ЖУРНАЛ СТА №2/2026

зиана, показали значительные резуль- таты: ● повышение безопасности персонала на рабочем месте; ● создание на 30% большего числа вы- сококвалифицированных рабочих мест на объекте; ● ускорение доставки клиентам на 25%; ● рост общей эффективности операций на 25%, что приводит к снижению за- трат для покупателей. Новая фундаментальная модель гене- ративного ИИ, координирующая дви- жение всего мобильного роботизиро- ванного парка по сети центров выпол- нения заказов, дополнительно повыша- ет эффективность перемещений на 10%. Три ключевых элемента позволили Amazon масштабировать интеллекту- альную робототехнику по всей гло- бальной сети. 1. Многолетние данные компьютер- ного зрения – обширный каталог изображений и траекторий движе- ния из реального мира, обеспечи- вающий критически важное обуче- ние для надёжных моделей физиче- ского ИИ. 2. Механизм обратной связи «сотруд- ник в центре» – сотрудники, рабо- тающие рядом с роботами, взаимо- действуют с инженерными команда- ми напрямую, обеспечивая интегра- цию решений в рабочие процессы и минимизируя фрагментацию авто- матизации. 3. Интегрированная разработка и внедрение – Amazon проектирует, производит и развёртывает робото- технические решения внутри компа- нии. Совместная деятельность ко- манд по аппаратному обеспечению, ИИ и складским операциям ускоряет циклы «создай–измерь–обучи» и по- вышает скорость внедрения. В совокупности эти факторы: мас- штабные данные, совместная работа сотрудников и интегрированная це- почка разработки – позволили Amazon последовательно внедрить физиче- ский ИИ в крупнейшей в мире сети центров выполнения заказов. Благодаря этим внедрениям выросла потребность в высококвалифициро- ванных работниках, например инже- нерах по обслуживанию, на 30%. Ком- пания реализовала программу Career Choice, предоставляющую поддержку в оплате обучения и возмещение расхо- дов на учебные пособия и сборы за сте- пени и сертификации, позволяющие сотрудникам осваивать востребован- ные и высокооплачиваемые профес- сии. Кроме того, благодаря программам по мехатронике и робототехнике со- трудники могут развивать карьеру и претендовать на почасовую ставку, увеличенную до 40%. Производство электроники В ответ на рост затрат на рабочую си- лу и глобальную тенденцию к локали- зованному производству компания Foxconn продвигает концепцию «мас- штабируемой роботизированной рабо- чей силы на базе ИИ». Компания выде- лила трёхэтапный процесс создания AI-интегрированных фабрик: 1) проектирование с использованием цифрового двойника и симуляций; 2) сотрудничество человека и робота; 3) реализация фабрик с воплощённым интеллектом. Эта поэтапная трансформация отра- жает более широкую амбицию Foxconn: не просто автоматизировать задачи, а выстроить интеллектуальную про- изводственную экосистему, обеспечи- вающую более высокую ценность и масштабируемость операций в гло- бальной сети производства. На этом пути Foxconn столкнулась с ограничениями традиционной робото- техники на основе правил при выпол- нении прецизионных задач, таких как затяжка винтов и раскладка кабелей. Эти задачи требуют высокой точности, адаптивности и контроля усилия. Ком- пания решила эти проблемы с помо- щью робототехники на базе ИИ и тех- нологий цифрового двойника. Foxconn использовала платформу Nvidia и AI-роботизированные руки с точной оценкой положения инстру- ментов и планированием движений в реальном времени. Это обеспечило вы- сокую точность и отсутствие коллизий, открыв две новые возможности для автоматизации: ● затяжка винтов: роботы с ИИ изучи- ли оптимальные траектории движе- ния и требуемое усилие затяжки с по- мощью обучения с подкреплением, что повысило стабильность, ускори- ло цикл работы и сократило коли- чество брака; ● вставка кабелей: ранее эта операция не поддавалась автоматизации из-за сложности. Благодаря реальному контролю усилия и корректировке траектории движения роботы теперь динамически адаптируют захват и позиционирование под вариатив- ность деталей. Виртуализация обучения и интегра- ция физического ИИ позволили быстро развернуть решения на нескольких площадках, создавая масштабируемый шаблон для будущих умных фабрик Foxconn. Создание цифровых двойников про- изводственных линий для быстрой виртуальной симуляции, тестирования и валидации сократило время развёр- тывания на 40%. Роботы с ИИ улучши- ли время цикла на 20–30%, снизили уровень ошибок на 25%. Виртуальная валидация устранила необходимость дорогостоящих экспериментов в реаль- ной среде, снизив операционные рас- ходы на 15%. Самонастраивающиеся усилие и траектория роботов обес- печили высокую точность и надёж- ность, что позволило добиться более низкого процента брака, чем у челове- ка, в сложных сборочных задачах. ● Технологии: трансфер «симуляция-в- реальность» ускорил адаптацию мо- делей ИИ и снизил необходимость физических проб и ошибок, обеспе- чив масштабируемое внедрение. ● Сотрудники: инженеры прошли об- учение по цифровым двойникам, программированию роботов с ИИ и инструментальным цепочкам Nvidia Omniverse. Они освоили виртуальное вводное тестирование, адаптивное управление и оптимизацию на осно- ве данных, переходя к роли архитек- торов AI-интегрированной автомати- зации. ● Партнёрства: для совместной разра- ботки масштабируемых стратегий автоматизации Foxconn сотруднича- ла с поставщиком инфраструктуры AI-робототехники Nvidia, а также с производственными экосистемными партнёрами (Fanuc, Techman), что стало ключевым фактором успеха трансформации. Масштабирование: технологические платформы и партнёрства Итак, для того чтобы интеллектуаль- ная робототехника стала легко интег- рируемой, масштабируемой и успеш- ной на уровне всей экосистемы, ключе- вое значение приобретают новые тех- нологические платформы физического ИИ и стратегические партнёрства. Новый стек технологий физического ИИ По мере приближения зрелости робо- тотехники формируется новый стек СТА 2/2026 34 www.cta.ru ОБ ЗОРЫ