24 сентября 2026 г.
Microsoft Research предложила выносить вычисления ИИ за пределы робота
Microsoft Research сообщила о выпуске инструментов для переноса инференса робототехнических моделей на периферийные и облачные GPU. Такой подход может повысить скорость, точность и автономность мобильных роботов.
Microsoft Research представила подход к выполнению инференса физических AI-моделей за пределами робота. Вместо размещения мощного GPU внутри устройства вычисления можно распределять между самим роботом, периферийным сервером и облачной инфраструктурой. Исследователи проверили такую схему на задачах мобильной манипуляции, где робот должен распознавать объекты, строить маршрут, перемещаться и выполнять действия.
Почему вычисления переносят с робота
Встроенный GPU увеличивает массу, энергопотребление и стоимость робототехнической платформы. При этом ограниченная память устройства может не позволить запустить крупную модель или заметно замедлить её работу.
В экспериментах Microsoft Research перенос инференса улучшил показатели для картографирования, планирования, навигации и манипуляций. На менее производительных GPU построение карты и планирование замедлялись до 383 процентов по сравнению с системой на A100. В навигационных задачах роботы на лёгких GPU на 30 процентов реже вовремя обнаруживали препятствия. Для моделей типа VLA снижение точности достигало 50 процентов.
| Параметр | Наблюдение Microsoft Research |
|---|---|
| Планирование и картографирование | Замедление до 383 процентов на отдельных менее производительных GPU |
| Обнаружение препятствий | Снижение своевременности до 30 процентов |
| Точность VLA-моделей | Снижение до 50 процентов |
| Энергопотребление | Крупные встроенные GPU могли сокращать время работы батареи на несколько часов |
Physical AI Toolchain и Kubernetes
Для распределения вычислений Microsoft добавила функцию offloaded inference в Physical AI Toolchain. Инструменты поддерживают контейнеризацию робототехнических задач и их распределение между устройством, периферийным GPU и облаком. В качестве платформы используется Kubernetes, а интеграция предусмотрена с ROS2, LeRobot и робототехническими симуляторами.
В материалах проекта приведены примеры для роботов SO-101 и UR10e. Отдельно показан сценарий, в котором модель Rho управляет действиями двурукого робота Mobile Aloha через внешний Jetson Thor.
Ограничения для разработчиков
Перенос вычислений не устраняет технические риски. Система зависит от задержки сети, пропускной способности канала и доступности GPU. Для быстрых движений часть операций может потребовать локального выполнения, тогда как планирование и более тяжёлые модели разумнее размещать на периферийном сервере или в облаке.
Для курсовой или исследовательского отчёта этот пример позволяет сравнить три архитектуры: полностью локальную, периферийную и облачную. При анализе стоит отдельно фиксировать задержку, точность, энергопотребление и требования к оборудованию, не смешивая результаты эксперимента с возможностями самого инструментария.