Современная электроника №3/2026

ИНЖЕНЕРНЫЕ РЕШЕНИЯ 25 WWW.CTA.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 3 / 2026 НОВОСТИ МИРА. ЧИТАЙТЕ НА ПОРТАЛЕ WWW.CTA.RU Китайские инженеры научили гуманоидных роботов выполнять сальто и боевые удары: представлен фреймворк OmniXtreme Пекинский институт общего искусствен- ного интеллекта – Beijing Institute for General Artificial Intelligence (BIGAI) – представил но- вую систему управления движением гумано- идных роботов под названием OmniXtreme. Разработка предназначена для выполне- ния высокодинамичных действий и позволя- ет роботам демонстрировать широкий на- бор сложных движений – от сальто назад до флэров Томаса и ударов ногами, харак- терных для боевых искусств. По словам разработчиков, ключевая осо- бенность OmniXtreme заключается в спо- собности управлять множеством сложных действий с помощью единого алгоритма. Такой подход реализует концепцию «одна политика – множество движений», что су- щественно повышает эффективность обуче- ния гуманоидных систем продвинутым фи- зическим навыкам. Задача достижения высококоординиро- ванных динамических движений долгое вре- проблему баланса между точностью управ- ления и масштабируемостью набора дви- жений. В перспективе OmniXtreme может стать фундаментом для нового поколения систем обобщённого управления движени- ем гуманоидных роботов, открывая путь к освоению значительно более сложных фи- зических навыков и расширению сфер практического применения таких машин. мя остаётся одной из наиболее сложных в робототехнике. В последние годы для её решения активно применяется обучение с подкреплением, позволяющее роботам ос- ваивать сложные моторные навыки через масштабные симуляции. Однако по мере увеличения количества движений и их слож- ности точность управления обычно снижа- ется, что ограничивает масштабируемость таких систем. В OmniXtreme разработчики предложили альтернативный подход. Вместо обучения единой политики управления «с нуля», как это делается в традиционных системах обу- чения с подкреплением, используется двух- этапная схема подготовки модели. Снача- ла формируется базовая динамическая мо- дель движения, после чего она дообучается для выполнения конкретных высокоскорост- ных манёвров. По данным BIGAI, такая архитектура по- зволила добиться уровня успешности свы- ше 90% при выполнении различных высо- кодинамичных задач на реальных гумано- идных роботах. Исследователи считают, что предложен- ная архитектура способна решить давнюю