Для сравнения: UBTECH во время выхода на Гонконгскую биржу в 2023 году привлекла всего около $130 млн. 

Почему Unitree оценивают как серьёзный бизнес?

1️⃣ В 2025 году выручка компании выросла примерно в 4,3 раза — до 1,699 млрд юаней. Чистая прибыль составила 278 млн юаней.

2️⃣ Валовая маржа достигла необычных для производителя оборудования 60,1%. Этому помогли собственные приводы, редукторы, контроллеры и другие компоненты, масштабирование производства и более высокая маржинальность зарубежных продаж.

2️⃣ В 2025 году гуманоиды впервые обошли робособак и принесли Unitree около 868 млн юаней — 51,8% основной выручки.

4️⃣ Компания поставила покупателям более 5500 гуманоидов, а произвела свыше 6500 (32,4% мировых поставок).

От производителя роботов — к экосистеме

🟢 Из привлечённых денег около 2,02 млрд юаней Unitree собирается потратить на собственные модели воплощенного ИИ (embodied AI). Ещё 1,11 млрд пойдёт на новые робототехнические платформы, 445 млн — на разработку продуктов и 624 млн — на производственную базу.

🟢 Железо без навыков — дорогой способ эффектно постоять в офисе. Поэтому в декабре 2025 года компания представила UniStore — своеого рода App Store для роботов, а в мае 2026-го полностью открыла платформу.

Пользователь может подключить робота через мобильное приложение и загрузить готовое движение или поведенческую программу. В программе танцы, шуточные движения и кунг-фу. Навык «помыть посуду и ничего не разбить» в топ продаж ещё не вышел. Потому что его нет 🤷🏻‍♂️

Разработчики, в свою очередь, могут публиковать собственные модели и наборы действий.

🟢 Параллельно Unitree развивает открытые SDK для G1, H1, H2, R1 и четвероногих платформ, инструменты обучения с подкреплением, симуляции в Isaac Gym и MuJoCo, а также перенос политик управления из симулятора на реального робота.

🟢 Отдельная часть экосистемы — открытая архитектура UnifoLM-WMA-0, объединяющая модель мира и генерацию действий для разных типов роботов.

В 2026 году компания также начала публиковать UnifoLM-WBT-Dataset — пополняемый набор реальных данных полнотелесной телеперации G1. В него входят манипуляции с предметами, работа с техникой, уборка и другие задачи, где роботу приходится одновременно координировать корпус и конечности.

🟢 Ещё один важный элемент — H2 Plus, создаваемый вместе с NVIDIA. Платформа объединяет тело Unitree H2, тактильные пяти­палые руки Sharpa, вычислитель Jetson Thor и инструменты Isaac GR00T — от телеперации и обучения до симуляции и запуска модели на роботе. Поставки заявлены на конец 2026 года.

Вместо традиционного сценария «робот встал — инженер открыл 17 терминалов — началась археология по логам» система сама сообщает:

⏺ пропали сообщения лидара;
⏺ изображения с камеры перестали обновляться;
⏺ один из узлов аварийно завершился;
⏺ вот подозрительный топик;
⏺ вот вероятная причина;
⏺ а вот что стоит проверить дальше.

Как проверяли эффективность?

В контролируемом исследовании 28 разработчиков с помощью RosHD успешно справились с 92,85% диагностических заданий. При использовании базовой справочной поддержки — только с 17,86%.

Впрочем, стоит немного приглушить аварийную сигнализацию хайпа. Все неисправности создавались в Gazebo на TurtleBot3 и были заранее определены. Так что не факт, что RosHD безошибочно найдёт плавающую проблему DDS, дрейф калибровки, перегрев контроллера или рассинхронизацию временных меток на реальном промышленном роботе.

Да и истинную причину намеренно внесённого сбоя ранняя версия определяла лишь в 18% прогонов. Пока система заметно лучше отвечает на вопрос «где искать», чем указывает, «кто виноват».

🧠 А делать-то что? Ответ — новая архитектура AAAI (Aging-Aware Autonomous Intelligence). Да, название больше похоже на крик ужаса или аббревиатуру для Анонимных Алкоголиков с Искусственным Интеллектом? Но нет, это всего лишь попытка придать машине христианское смирение перед фактом, что её аккумулятор уже не торт, сенсоры дрейфуют, а процессор тихо деградирует под напором времени и температур.

👍 Что предлагает AAAI? По сути, прикрутить к роботу постоянный медицинский осмотр и связать его напрямую с планировщиком задач.

Состояние каждого критического компонента — от батареи до вычислителя — описывается непрерывным показателем здоровья от 1 («здоров как бык») до 0 («всё, вызывайте эвакуатор»).

Для расчёта этих показателей используются физические модели деградации: типа электрохимии старения аккумуляторов или накопления ошибок в памяти от радиации, Причём смотреть надо на всё вместе. Высокая температура одновременно убивает и батарею, и процессор — и если не учитывать их совместную агонию, можно пропустить момент, когда робот сыграет в ящик.

❤️ Показатель здоровья напрямую влияет на поведение. Всего существует три возраста робототехники:

1️⃣ Полная функциональность. В штатном режиме (здоровье близко к 1) робот использует самые крутые нейросетевые модели, обрабатывает данные с высоким разрешением и строит наполеоновские планы.

2️⃣ Экономия ресурсов с сохранением основных возможностей. По мере деградации робот переходит в режим экономии: модельки попроще, горизонт планирования покороче, задачи — только те, где соотношение «польза/затраты» максимально.

2️⃣ Управляемое сворачивание. Второстепенные подсистемы отключаются, частота связи падает, а оставшийся ресурс направляется на поддержание минимального функционального ядра. В общем, робот не героически гибнет с разряженной батареей посреди Марса, а тихо уходит на покой, предварительно закончив самое важное.

Итого имеем капитализацию около $9 млрд, выручку — около $250 млн, чистую прибыль — примерно $41 млн.

👀 Подробности и объяснения, которые никто не читает тут ⬇️

Обычный центр масс говорит, где сосредоточена масса робота сейчас, а capture point учитывает ещё и скорость её движения. Поэтому одно и то же положение центра масс у края стопы может означать как «я стабилизируюсь», так и «я уже лечу лицом в пол».

Беда в том, что для вычисления этого показателя обычно нужна абсолютная линейная скорость основания робота, которую штатные датчики того же Unitree G1 напрямую не измеряют.

И тут авторы проворачивают математический финт: выражают положение и скорость центра масс относительно опорной стопы. И тогда неизвестная абсолютная скорость основания сокращается в формулах. 

Зато остаются данные энкодеров суставов, гироскопа и направления силы тяжести из инерциального измерительного модуля, а также кинематическая и массовая модель.

👀 Дальше — чистая биомеханика, переложенная на язык функций вознаграждения ⬇️

Гуманоида штрафуют не только за выход capture point за край стопы, но и за приближение к нему. Защитная зона составляет 2 см при одной опоре и 3 см при двух.

Кроме того, система оценивает время до пересечения границы: если оно становится меньше 0,3 секунды в одноопорной фазе, штраф включается заранее.
 
В системе также воспроизведена человеческая иерархия коррекций: сильнее всего ограничивают резкие изменения команд голеностопу, слабее — колену, а для тазобедренного сустава отдельного штрафа такого типа вообще нет.

Зато есть штраф за «дрожь» (jerk) — резкие высокочастотные изменения управляющего действия. 

👀 Ну ладно, не всё так радужно, ведь проверяли новую политику в том же унифицированном sim-to-sim-бенчмарке одноопорного равновесия, что и другие политики ⬇️

Тут FDDC чемпион — чисто удержала 86 из 90 ранее не показанных ей движений при 95,6% успешных попыток, трёх коррекциях и единственном падении. Главным элементом оказался именно динамический центр масс: без него успешность падала до 55,6%, а при имитации сенсорного шума — с 62,2% до 8,6%. 

И таки да, политику без дополнительной дистилляции перенесли на реальный Unitree G1, где робот продемонстрировал несколько одноопорных поз. Но полноценной статистики физических испытаний пекинские инженеры пока не опубликовали.

🐈 ⚙️ Главный инженерный трюк в том, что Stack-chan K151 даже не пришлось перепрошивать. Дополнительный контроллер AtomS3R подключён к линии его шейных сервоприводов одним сигнальным проводом (плюс общая земля) и только слушает команды. 

🐈 🧠 Передающая линия контроллера вообще не соединена с роботом, поэтому вмешаться в его работу мост физически не может. Stack-chan не подозревает, что его прослушивают, и что у него появилась огромная дополнительная конечность в виде «кошки.

🐈 😍 Когда оригинальный робот получает команду повернуть или наклонить голову, AtomS3R перехватывает пакет, переводит его из протокола маленьких сервоприводов в формат SO-ARM101 и формирует согласованные команды для приводов шестиосевого манипулятора.

🐈🫂 Так робокот воспроизводит движения, сопровождающие анимации, танцы и голосовые сценарии Stack-chan, который тоже крутится в такт.

🐈 😎 Поскольку команды игрушечного робота теперь управляют гораздо более мощным механизмом, разработчик добавил отдельный контур безопасности: ограничения углов и скорости, сторожевой таймер, аварийную остановку, автоматическую парковку при потере связи и блокировку опасных записей в память сервоприводов.

Усилие захвата ограничено 10% — лапы не должны больно щипаться, хотя из-за этого фактическая амплитуда некоторых движений достигает лишь около 30% заданной.

🐈 🕹️ По данным автора, средняя задержка от перехвата команды до её отправки манипулятору составила 1,6–8,5 мс, максимальная — около 50 мс. Во время отдельного десятиминутного теста система обработала 55 616 пакетов без ошибок контрольной суммы и сбоев. Для программных компонентов написано 104 теста.

🤖 Каждое возможное направление робот оценивает по пяти критериям:

1️⃣сколько новой информации оно даст для построения карты;

2️⃣ насколько плохо обследован участок;

3️⃣ есть ли поблизости предварительные признаки пострадавшего;

4️⃣ насколько сложна или рискованна дорога;

5️⃣ сколько времени и пути потребуется до цели.

«Возможно, мне показалось, но если там действительно человек, лучше проверить сейчас».

⏺Проверка эффективности:

Алгоритм испытали в Gazebo на цифровой модели Unitree Go2 под управлением ROS 2. Роль пострадавших выполняли визуальные прокси, а предварительные наблюдения засчитывались как подтвержденная цель только после повторного обнаружения.

В сложном окружении — с двумя целями, плотными препятствиями, разветвленной планировкой и несколькими конкурирующими направлениями новый подход оказался наиболее успешен:

🟢 Situation-aware — 20 успешных миссий из 20 и в среднем 2 подтвержденные цели;

🟡 Risk-aware — 19 из 20 и 1,95 цели;

🟠 Nearest Frontier — 18 из 20 и 1,80 цели;

🔴 Information Gain — 14 из 20 и 1,55 цели.

❗️ Dyna‑2 относится к классу World-Action Model (WAM). Их особенность в том, что они одновременно прогнозируют, как будет меняться окружающая среда, и генерируют действия робота, которые нужно совершить, чтобы этого добиться. 

⏺ Видеодиффузионная архитектура со связанными блоками трансформеров позволяет преобразовать видео и действия в отдельные последовательности токенов. Модель также получает текстовую инструкцию и проприоцептивные данные о состоянии исполнительного устройства. Видеопредсказание влияет на общие параметры модели и тем самым улучшает представления, используемые модулем действий.

⏺ Однако при непосредственном управлении роботом не генерирует видеоролик перед каждым движением и не использует предсказанные кадры как промежуточный план. Исполнительная политика выдаёт действия напрямую и остаётся реактивной. Моделирование видео служит исключительно для обучающей задачи на этапе предобучения (pretraining).

🕔 Исследователи обучили четыре версии Dyna‑2 — на 1 тыс., 10 тыс., 100 тыс. и 1 млн часов. Чем больше человеческого опыта получала модель, тем точнее она прогнозировала действия на данных незнакомых роботизированных установок.

⏺ После дообучения на небольших наборах демонстраций средний результат в 14 физических задачах вырос по цепочке: 20% → 28% → 45% → 53%. Впору вспомнить старую мудрость: «Смотри, как бабушка лепит пельмени, и однажды сам слепишь». А у роботов теперь есть насмотренность на всех бабушек мира!

⏺ В отдельных тестах масштаб оказался особенно важен. Версии до 100 тыс. часов ни разу не смогли повернуть ключ в замке, а миллионная справилась в 9 из 10 попыток.

⏺ Для откручивания крышки двумя пяти­палыми роборуками ей понадобилось всего около 13 минут локальных демонстраций. Выбор нужного напитка по текстовой команде улучшился с 58 до 83%.

🏃 Начнём со скорости. 12,66 м/с — это 45,6 км/ч. Для сравнения: максимальная скорость Усэйна Болта во время рекордного забега на 100 метров в Берлине в 2009 году оценивается примерно в 12,42 м/с на наиболее быстром участке дистанции. Если сопоставлять именно эти показатели, заявленная скорость робота оказывается примерно на 1,9% выше.

► Любопытно и другое. Если чисто теоретически предположить, что робот способен поддерживать скорость 12,66 м/с на всей дистанции 100 метров, время её прохождения составило бы 7,9 секунды. 

► В опубликованном ролике отсутствует методика измерения скорости. Компания не сообщает длину контрольного участка, частоту измерений, способ определения координат или временной интервал, по которому рассчитывался показатель 12,66 м/с. Из видео представляется, что это разовый рекорд на участке в 10 метров, но начинал ли гуманоид бег до него и продолжал ли после? Насколько валидно его экстраполировать?

🦘 С двухметровым прыжком ситуация ещё интереснее. В ролике присутствует визуальная разметка, которую можно интерпретировать как двухметровую шкалу. Однако компания не публикует описание этой шкалы и не объясняет, что именно измеряется.

Остаётся несколько вариантов:

🟢высота подъёма стоп;
🟢высота подъёма центра масс;
🟢высота подъёма какой-либо точки корпуса;
🟢преодоление определённой вертикальной отметки.

► Без этой информации невозможно корректно определить значение прыжка по одному видеоряду. Сам ролик действительно демонстрирует исключительно мощное движение, однако он не является самостоятельным доказательством результата ровно 2,00 метра.

► Есть и ещё одна любопытная деталь. Зарегистрированный в Книге рекордов Гиннесса лучший прыжок вверх с места среди людей составляет 1,70 метра. Если Unitree использует сопоставимую методику измерений и результат действительно равен двум метрам, то робот получает заметное преимущество.

► Любопытна и сама физика прыжка. Если в качестве мысленного эксперимента предположить, что заявленные 2 метра относятся именно к подъёму центра масс, то вертикальная скорость отрыва должна была бы составить около 6,3 м/с, а время подъёма до верхней точки — примерно 0,64 секунды.

► Но это исключительно теоретический расчёт. Компания не уточняет, какую именно точку робота измеряла, поэтому использовать эти значения в качестве доказательства нельзя.

⚙️ А что можно сказать о самом роботе?

По видеозаписи можно сделать лишь несколько осторожных выводов.

► Во-первых, это явно не серийный Unitree G1. Во-вторых, компания использует формулировку new machine, то есть прямо говорит о новой платформе.

► При этом официальные характеристики отсутствуют. Мы пока не знаем:

🟢массу робота;
🟢количество степеней свободы;
🟢тип приводов;
🟢ёмкость аккумулятора;
🟢вычислительную платформу.