Почему роботу мало одного удачного движения: как вложенный инвестор предлагает мерить ловкость и почему 99% на шаг не дают 99% на задачу

Короткий ответ: в авторской колонке в The Robot Report от 10 октября 2026 года основатель и президент корпоративного венчурного фонда TDK Ventures Николя Соваж утверждает, что ловкость остаётся главным узким местом физического ИИ, потому что пользу приносит надёжность всей рабочей цепочки, а эффектной демонстрации для этого мало. Его главный довод арифметический: если задача состоит из ста одинаковых независимых действий и каждое удаётся в 99% случаев, то без единой ошибки задача проходит примерно в 36,6% случаев. Вместо вопроса «насколько ловкий робот» он предлагает мерить долю законченных задач без помощи человека, умение восстанавливаться после сбоя и стоимость выполненной работы. Это мнение инвестора и не результат исследования. Ниже его доводы, проверка расчёта и пять вопросов, которые стоит задать поставщику робота.

Что говорит автор

Факты ниже взяты из колонки Соважа в The Robot Report. Колонка выражает его мнение. Саму страницу целиком мне открыть не удалось: сайт блокирует автоматическую загрузку, поэтому я пользовался пересказом страницы, который выдал инструмент чтения, и цитирую только короткое. Перевод мой.

• Кто говорит. Николя Соваж, основатель и президент TDK Ventures, венчурного подразделения корпорации TDK. Фонд запущен в 2019 году и, по его словам, управляет 500 млн долларов в четырёх фондах.
• Главная мысль. Ловкость робота упирается не столько в железо или отдельное удачное действие, сколько в надёжность всей цепочки работы. Робот, один раз справившийся с задачей на демонстрации, не обязательно готов работать самостоятельно.
• Арифметика. Для рабочего процесса из ста действий с равной и независимой вероятностью успеха шанс пройти его без единого сбоя такой. При 99% на действие: около 36,6%. При 99,9%: около 90,5%. При 99,99%: около 99,0%. Автор отмечает, что это упрощённая модель. Вывод: робот с успехом 99% на действие не обязательно автоматизирован на 99%.
• Ловкость как система. Полезная ловкость требует замкнутого контура: зрение, положение, касание, усилие, давление, захват, движение, коррекция, а ещё питание, безопасность, гибкость и восстановление после сбоя. Осязание нужно не для каждой задачи: иногда хватает зрения и данных о движении.
• Обучение на работе. Реальные сбои (проскальзывание, плохой захват, износ, неудачное восстановление) становятся данными для улучшения программы, датчиков, управления и железа. Но если поменять кисть, изменятся движения и калибровка, и данные, собранные на одной конструкции, могут не подойти другой.
• Подогнать тело под работу. Автор приводит примеры: двуногий Digit от Agility Robotics для логистики и промышленности, который может подключать специальные инструменты вместо пятипалой кисти; четвероногие роботы ANYbotics, которые ходят по промышленным площадкам и осматривают опасные зоны (в одном из развёртываний, по сообщению автора, больше 33 000 осмотров в 450 точках); маленькие колёсные доставщики Starship Technologies на тротуарах, больше 10 млн самостоятельных доставок. Эти цифры приводит автор колонки, я их не проверял.
• Какие метрики он предлагает. Долю полностью завершённых рабочих процессов без помощи человека; как часто робот восстанавливается сам; как он работает при изменении предметов, света, положения или износа; что ломается первым при повторном использовании и как быстро это чинится; скорость, время работы и стоимость выполненной работы.
• Формула цели. По словам автора, цель состоит в минимально достаточной ловкости, чтобы надёжно выполнять ценную работу, и максимум для этого не нужен.

Проверка расчёта

Расчёт Соважа верен при его допущениях: вероятность пройти сто действий подряд равна вероятности одного действия в сотой степени. Для 0,99 это 0,99^100 ≈ 0,366, для 0,999 это ≈ 0,905, для 0,9999 это ≈ 0,990. Допущения две: действия независимы и одинаково надёжны. В реальной работе они, как правило, не выполняются точно, например один сбой может вызвать другие, а задачи разной длины, так что число 36,6% служит иллюстрацией и не годится как прогноз для конкретного робота.

Что из этого взять при покупке робота

Это мои выводы из колонки, а не слова автора.

1. Какова доля завершённых задач без вмешательства человека? Считать нужно полные задачи, а число успешных захватов тут вторично.
   • Кто делает: тот, кто закупает.
   • Чем проверить: попросите у поставщика данные за последний месяц на живом объекте, не с демонстрации, и сверьте с вашим числом шагов в задаче.
2. Сколько шагов в вашей задаче? От этого зависит, какую надёжность на шаг вам нужно.
   • Кто делает: технолог вместе с закупщиком.
   • Чем проверить: распишите задачу по шагам. По формуле выше переведите заявленный процент на шаг в шанс пройти всю задачу.
3. Что происходит после сбоя? Робот может сам повторить, позвать человека или остановиться.
   • Кто делает: закупщик.
   • Чем проверить: на пробном запуске специально создайте сбой (смените положение предмета) и посмотрите, как робот восстановится.
4. Как работа меняется при износе и других условиях?
   • Кто делает: технолог.
   • Чем проверить: на тестовой площадке недоступной для клиентов и посторонних, прогоните задачу с другим светом и с поношенными заготовками.
5. Сколько стоит выполненная задача? Считайте цену результата с учётом вмешательств человека, цена самого робота тут вторична.
   • Кто делает: финансист вместе с закупщиком.
   • Чем проверить: считать по пробному периоду: расходы за период разделить на число полностью завершённых задач.

Расчёт на условных числах

Допустим, процесс состоит из 50 шагов, поставщик обещает 99% на шаг. Тогда шанс пройти без сбоя 0,99^50 ≈ 0,605, то есть около 60,5%. Значит, примерно в четырёх задачах из десяти случится хотя бы один сбой. Это не то же самое, что вызов человека: робот может исправить сбой сам, и доля таких случаев у каждого поставщика своя. Допустим для расчёта, что в каждой задаче со сбоем нужен сотрудник на 10 минут, а час стоит 1500 рублей: один такой случай обходится в 250 рублей. При 100 задачах в день и 39 задачах со сбоем это 39 × 250 = 9750 рублей в день. Это верхняя оценка, а ваша зависит от того, сколько сбоев робот исправляет без человека. Числа условные, подставьте свои.

Когда это вас не касается

Если вы покупаете робота для одной простой операции с одним-двумя шагами, вопрос о цепочке из сотни действий вам не нужен, а важны остальные пункты.

Итог

По колонке Николя Соважа от 10 октября 2026 года, ловкость остаётся главным узким местом физического ИИ, потому что вероятность пройти длинную цепочку действий быстро падает даже при высокой надёжности на шаг: 99% на шаг при ста шагах дают около 36,6%. Автор предлагает мерить долю завершённых задач без человека, восстановление после сбоя, устойчивость к изменениям и стоимость выполненной работы. Это мнение инвестора, но арифметика проверяется. Покупателю робота стоит спрашивать про долю законченных задач, лучшее движение здесь вторично.

Я занимаюсь ИИ-агентами и автоматизацией. Если хотите посмотреть мои проекты или обсудить свою задачу, загляните в портфолио.

Источники

• The Robot Report, Николя Соваж, 10.10.2026: Why dexterity is physical AI's real bottleneck (авторская колонка). https://www.therobotreport.com/why-dexterity-is-physical-ai-real-bottleneck/