---
title: "ИИ спроектировал 12 774 роботов, но реальность оказалась сложнее симуляции: MIT собрало 135 машин и получило 66% успеха"
description: "ИИ-агенты MIT спроектировали 12 774 роботов и прошли 16 427 виртуальных испытаний, но лишь 66% собранных вручную машин справились с реальными препятствиями."
date: 2026-11-20T23:03:50.040Z
lang: ru
url: https://xab.info/posts/ii-sproektiroval-12774-robotov-mit-66-uspeha-v-realnosti
tags: [ai-robots, mit, robotics, simulation, 3d-printing, machine-learning]
author: "Александр Буран, Роман В."
publisher: "XAB.info"
---

# ИИ спроектировал 12 774 роботов, но реальность оказалась сложнее симуляции: MIT собрало 135 машин и получило 66% успеха

![Визуализация множества уникальных роботов, спроектированных ИИ-агентами для преодоления полосы препятствий.](https://xab.info/media/2026/11/20/ii-sproektiroval-12774-robotov-mit-66-uspeha-v-realnosti/ii-sproektiroval-12774-robotov-mit-66-uspeha-v-realnosti-1.webp)

## Ключевые тезисы

- Четыре ИИ-агента в системе RoboBuilder спроектировали 12 774 роботов и провели 16 427 виртуальных испытаний
- Учёные MIT вручную собрали 135 прототипов за ~240 часов; в реальности с препятствиями справились 66%
- После цикла обратной связи с видеозаписями доля успеха на первых двух уровнях выросла с 73% до 93%
- ИИ придумал механизмы, не найденные алгоритмами автоматического поиска: колёса с выступами, рычаги, тросовые и шагающие системы
- На сложных препятствиях и в задаче «один робот на всю полосу» ИИ справлялся значительно хуже

Исследователи Массачусетского технологического института (MIT) представили результаты масштабного эксперимента, в котором четыре ИИ-агента в рамках системы RoboBuilder самостоятельно спроектировали 12 774 конструкции роботов и провели 16 427 виртуальных испытаний. Из проектов, успешно прошедших симуляцию, учёные вручную собрали 135 физических прототипов, потратив на производство порядка 240 часов. Однако лишь 66% из них справились с реальными препятствиями на всех уровнях сложности, что наглядно демонстрирует разрыв между цифровым моделированием и физическим миром.

### Как устроена система RoboBuilder

Система RoboBuilder позволяет ИИ-агентам проектировать не только программное обеспечение, но и физическую конструкцию роботов. Агенты выбирали детали из готового набора компонентов, подбирали двигатели, создавали дополнительные элементы для 3D-печати и писали программы управления моторами. Задачей каждого агента было преодолеть полосу из 10 препятствий, каждое из которых имело три уровня сложности — от базовых до продвинутых. В эксперименте участвовали четыре ИИ-модели, каждая из которых вела собственную линию проектирования и оптимизации.

### Разрыв между симуляцией и реальностью

Главная проблема обнаружилась при переходе от виртуального пространства к физическому. Шины проскальзывали на поверхностях, соединения деталей расходились под нагрузкой, шестерни выходили из зацепления, а центр тяжести смещался при движении по наклонным участкам. Даже после обучения симулятора на реальных измерениях и видеозаписях лишь 66% конструкций, успешно прошедших виртуальные испытания, справились с физическими препятствиями на всех уровнях сложности. Это означает, что более трети роботов, которые в симуляции демонстрировали безупречную работу, в реальности не могли преодолеть даже базовые элементы полосы.

### Обратная связь и цикл доработки

Исследователи предусмотрели механизм обратной связи: если робот не справлялся с препятствием, агент получал видеозапись неудачной попытки, анализировал её и мог изменить как саму конструкцию, так и параметры симулятора. После такого цикла доработки доля успешных реальных испытаний на первых двух уровнях сложности выросла с 73% до 93%. Это подтверждает, что итеративный подход с визуальной обратной связью способен существенно сузить разрыв между виртуальным и физическим поведением роботов, хотя на наиболее сложных уровнях прогресс оказался менее выраженным.

### Неожиданные механизмы и пределы возможностей ИИ

Агенты продемонстрировали способность придумывать механизмы, которые не удалось получить использованным в эксперименте алгоритмам автоматического поиска. Среди них — колёса с выступами для сцепления с поверхностью, специальные рычажные конструкции, механизмы для движения по тросу и шагающие системы. На визуальных примерах из публикации видно, что разные модели (GPT-6 Astra, Opus 5.5, GPT-6.1 Sol, Sonnet 5.5) генерировали принципиально различные подходы к одному и тому же препятствию: от вращающихся «резиновых ног» до тросовых канатных кареток и шагающих платформ с изогнутыми стопами. При этом на сложных препятствиях и в задаче создания единого робота, способного пройти всю полосу из десяти элементов, ИИ справлялся значительно хуже, что указывает на текущие ограничения в способности агентов комбинировать разнородные механизмы в единую конструкцию.

### Значение эксперимента для робототехники

Результаты MIT подтверждают, что автономное проектирование роботов ИИ уже способно генерировать тысячи рабочих концептов и находить нетривиальные инженерные решения, однако физическая валидация остаётся критическим этапом, который нельзя полностью автоматизировать. Полученные данные о типичных отказах — проскальзывание, расхождение соединений, потеря зацепления шестерён — станут ценным материалом для калибровки будущих симуляторов. Эксперимент также задаёт чёткий ориентир: для перехода от виртуального прототипирования к серийному производству роботов, спроектированных ИИ, необходимы как улучшение физических моделей в симуляторах, так и развитие механизмов автоматической сборки и диагностики.

## Проверка фактов и источники

- [ИИ спроектировал роботов для реальной полосы препятствий. Учёные MIT вручную собрали и протестировали 135 из них](https://www.ixbt.com/news/2026/11/20/ii-sproektiroval-robotov-dlia-realnoi-polosy-prepiatstvii-ucenye-mit-vrucnuiu-sobrali-i-protestirovali-135-iz-nix.html) - Все ключевые цифры (12 774 конструкции, 16 427 испытаний, 135 собранных роботов, 66% успеха, 240 часов, рост с 73% до 93%) взяты из текста источника. Визуальный материал подтверждает наличие 4 ИИ-моделей и разнообразие спроектированных механизмов.

## Частые вопросы

### Что такое система RoboBuilder?

RoboBuilder — это система, разработанная в MIT, которая позволяет ИИ-агентам самостоятельно проектировать как программное обеспечение, так и физическую конструкцию роботов: выбирать детали, подбирать двигатели, создавать элементы для 3D-печати и писать программы управления.

### Почему лишь 66% роботов справились с реальными препятствиями?

При переходе от симуляции к реальности возникали физические эффекты, которые не полностью учитывались в модели: проскальзывание шин, расхождение соединений, выход шестерён из зацепления и смещение нагрузки на наклонных поверхностях.

### Что произошло после внедрения обратной связи с видеозаписями?

Доля успешных реальных испытаний на первых двух уровнях сложности выросла с 73% до 93%. Агент анализировал видеозапись неудачной попытки и мог изменить конструкцию или параметры симулятора.

### Какие механизмы ИИ придумал самостоятельно?

Среди них — колёса с выступами, специальные рычажные конструкции, механизмы для движения по тросу и шагающие системы. Эти решения не были получены алгоритмами автоматического поиска, использованными в эксперименте.