Physical Intelligence снова в заголовках: по данным TechCrunch, компания ведёт переговоры о раунде на $1 млрд — и это удвоило бы оценку в $5,6 млрд всего за четыре месяца. Для выпускника ИТ-направления это не строчка про венчур, а прямой сигнал рынка: деньги идут в универсальные policy-модели для роботов (vision-language-action, VLA), а не в узкие скриптовые решения под одну задачу. На защитах всё чаще звучит вопрос: умеете ли вы собрать демонстрации, обучить политику и перенести её из симулятора в железо? Ниже — рабочие траектории ВКР, метрики, которые реально считаются, и типичные провалы, которых лучше избежать.
Да. Симуляторы MuJoCo, Isaac Sim и бенчмарк-наборы (LIBERO, Open X-Embodiment) позволяют собрать пайплайн обучения и оценки без железа. Слабое место — перенос (sim-to-real). Решается либо доменной рандомизацией, либо честным признанием в выводах, что это ограничение и как вы его оценивали.
Python + PyTorch, ROS 2 (Jazzy/Humble) как транспорт, ONNX Runtime или TensorRT для инференса, DVC + MLflow для воспроизводимости. В пояснительной записке обязательно свяжите компоненты со стандартами: структура ПО — ГОСТ 19.402, требования — ГОСТ 34.602, качественные характеристики — ISO/IEC 25010.
Не одной метрикой. Для политики: success rate по N эпизодам, длина траектории, число попыток до успеха, задержка инференса p50/p95. Для пайплайна данных: доля отбракованных эпизодов, время сборки датасета, воспроизводимость прогона по хешу коммита. Accuracy сюда не подходит вообще.
Для дообучения небольшой политики на 6–8 ГБ — да, если использовать LoRA/QLoRA и батч 1–4. Полноценное обучение VLA-модели с нуля — нет, тут нужен кластер или аренда GPU. В ВКР это оформляется как обоснование выбора конфигурации в главе 2.
Не ограничивайтесь «компания X привлекла Y». Стройте картину: кто ещё в поле (Figure, Skild AI, Google DeepMind), чем отличаются подходы, где разрыв. Минимум одна обзорная схема — подойдёт контекстная диаграмма C4: система «роботизированная политика» в центре, внешние акторы — оператор, сенсоры, edge-вычислитель, хранилище демонстраций. В тексте явно укажите, какой разрыв закрывает ваша работа: например, «существующие бенчмарки не покрывают поведение при потере части сенсорного потока».
Две обязательные диаграммы: C4 Container (компоненты пайплайна: сбор → хранилище → обучение → экспорт → инференс) и UML Sequence для одного эпизода инференса. Дополнительно — BPMN процесса сбора демонстраций, он хорошо смотрится при защите и сразу закрывает вопрос «где тут управление процессами». Ниже — минимальный скелет пайплайна, который стоит показать в приложении Б.
# dvc.yaml — воспроизводимый конвейер от rosbag до метрик
stages:
ingest:
cmd: python scripts/ingest_teleop.py --src data/raw --out data/episodes
outs:
- data/episodes
train:
cmd: python train.py --config configs/vla_small.yaml
deps:
- data/episodes
- src/
outs:
- models/policy.onnx
metrics:
- metrics/train.json:
cache: false
eval:
cmd: python evaluate.py --policy models/policy.onnx --episodes 200
deps:
- models/policy.onnx
metrics:
- metrics/eval.json:
cache: false
Разделите показатели на три слоя: качество политики, производительность системы, надёжность. Для телеметрии удобно поднять OpenTelemetry SDK и собирать трейсы эпизодов — тогда задержка инференса и время шага среды окажутся в одном отчёте, а не в трёх разных CSV.
import time, numpy as np, mlflow
def evaluate(policy, env, episodes=200):
rows = []
for _ in range(episodes):
obs, done = env.reset(), False
steps, t0 = 0, time.perf_counter()
while not done:
action = policy(obs) # np.ndarray, shape (7,)
obs, _, done, info = env.step(action)
steps += 1
rows.append({
"success": float(info["success"]),
"steps": steps,
"latency_ms": (time.perf_counter() - t0) * 1000 / max(steps, 1),
})
m = {k: float(np.mean([r[k] for r in rows])) for k in rows[0]}
m["latency_p95_ms"] = float(np.percentile([r["latency_ms"] for r in rows], 95))
mlflow.log_metrics(m)
return m
Что писать в таблицу результатов: success rate, p50/p95 задержки, число шагов до успеха, доля срывов при доменной рандомизации. И обязательно — baseline. Без сравнения с простым поведенческим клоном или скриптовым контроллером выводы повиснут в воздухе.
1. Реферат вместо инженерного результата. Студент описывает тренд из статьи, но не показывает ни одного своего артефакта: ни пайплайна, ни замеров. Комиссия читает это как пересказ. Лечится просто — в главе 2 должно быть то, что вы запускали, а в главе 3 — таблица, которую вы получили.
2. Одна метрика на всё. «Точность 94%» без указания, что именно считалось и на каком наборе. Для политик это бессмысленно: нужен success rate на фиксированном числе эпизодов и разброс между запусками.
3. Оценка без baseline. Особенно обидно, когда работа хорошая, но сравнить её не с чем. Добавьте хотя бы поведенческий клон и скриптовый контроллер — этого хватит, чтобы выводы стали проверяемыми.
Если тема только формируется, а сроки уже поджимают — начните с консультации: разберём, какой объём экспериментов реально успеть за 120 часов работы, и соберём план по главам. Помощь с дипломом в части расчётов, схем и оформления — отдельная задача, и её лучше решать до, а не в последнюю неделю.
Источник: Physical Intelligence is reportedly in talks to raise $1 billion, again (опубликовано 2026-03-27)