8 октября 2026 г.
Обучение роботов можно собрать из модулей: AWS связала этапы в Physical AI Toolchain
AWS объединила подготовку данных, обучение и проверку роботов в открытый Physical AI Toolchain.
Physical AI Toolchain связывает инструменты AWS и NVIDIA для работы с роботами. Разработчик может создавать искусственные обучающие данные, обучать модель и проверять её в симуляции перед запуском на оборудовании. Код доступен в AWS Samples.
Начать можно частично. AWS рекомендует подключать компонент под текущую задачу, а не разворачивать весь набор сразу. Для нового полного процесса компания предлагает сначала установить Foundation и OSMO. Инструкции запуска и учебный workshop находятся в README репозитория.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
Для запуска понадобятся: - Аккаунт AWS с GPU-квотами SageMaker и EC2. - NVIDIA NGC API key и Hugging Face token. - AWS CLI v2 и Python 3.11 или новее.
Рабочее развёртывание требует Terraform версии 1.5 или новее. Учебный workshop обходится без него.
Готовый пример учит манипулятор UR3 с захватом Robotiq 2F-85 брать и перекладывать предметы. В основе лежат 27 записей управления реальным роботом человеком. Для другого робота разработчик может подставить собственное описание устройства в формате URDF и свои данные.
Стоимость первого прогона. По оценке AWS от 7 октября 2026 года, короткая проверка обучения GR00T на ml.g5.12xlarge стоит около $2 за 15 минут. Полный запуск занимает 11 часов и стоит около $79. Это оценка конкретного примера, а не фиксированная цена обучения любого робота.
Симуляция Isaac Sim на g6e.4xlarge обходится примерно в $1,86 в час по той же оценке AWS. Полное развёртывание OSMO с EKS, RDS и ElastiCache стоит около $5 в час. Эти расходы идут отдельными строками от обучения.
AWS стандартизирует записи Zarr в формат LeRobot, обучает модели через PyTorch и Hugging Face, затем экспортирует их в ONNX. На самом роботе управление передаётся ROS 2. Так компания связала подготовку данных с исполнением модели на оборудовании, хотя развёртывание через EKS Hybrid Nodes и Greengrass пока запланировано, а Isaac Lab Arena Evaluation работает в превью.
Масштаб задач виден по компаниям из официального материала Amazon от 8 октября. RLWRLD строит модель на 8,1 млрд параметров для манипуляций, требующих точных движений. Config собрала процесс обработки более 200 тысяч часов записей действий роботов и расширяет обучающие сценарии с помощью генеративного ИИ.
Основатель и CEO NEURA Robotics Дэвид Регер связывает пользу набора с ускорением дообучения, запуска на реальных роботах и развёртывания на больших парках оборудования.
AWS также планирует добавить размещённую среду исполнения Amazon Bedrock AgentCore.
Первоисточник