У квітні 2021 року я давав інтерв'ю для рубрики «В гостях у REHAU» з Максимом Солоненком (REHAU Water Technologies). Мене запитали: не страшно, що технології захоплять усе? Я відповів: «Роботи нас захоплять не найпершими. Сюди це просто докотиться — ми встигнемо підготуватися». Минуло п'ять років. Я публікую аналітичну статтю про те, як роботи навчаються по відео інсталяторів
Розвиток AI-інфраструктури вже зараз створює структурний попит фахівців з ОВК (опалення, вентиляції та кондиціювання), монтажників санітарно-технічних систем і обладнання для будівництва дата-центрів — і водночас фінансує розробку роботів, які навчаються на відео людей за роботою. McKinsey прямо називає зварювання і сантехніку серед задач для гуманоїдів у будівництві. Wired у січні 2026-го: «справжня битва за AI-таланти точиться за сантехніків і електриків». Два процеси відбуваються одночасно.
Парадокс: AI потребує тих, кого планує замінити
AI-інфраструктура — це насамперед фізична інфраструктура: дата-центри, системи охолодження, трубопроводи, електромережі. І саме тут виникає дефіцит, якого ніхто не очікував.
У січні 2026 року Wired опублікував матеріал про структурний дефіцит skilled trades у США на тлі буму будівництва дата-центрів.
Що відбувається на ринку:
«Є велика конкуренція. І частина проблеми — просто не вистачає сантехніків і HVAC-фахівців», — Дан Кіньонес, виконавчий директор Association of Plumbing-Heating-Cooling Contractors (PHCC)
Дата-центри вже зараз пропонують інсталяторам вищу оплату, ніж традиційне будівництво — через щільні графіки та понаднормові. Попит варіюється регіонально, але загальна тенденція: AI-інфраструктура конкурує з усіма іншими секторами за одних і тих самих людей.
Для HVAC-ринку це означає конкретний контекст: системи охолодження дата-центрів — охолодження водяними контурами та прецизійне кондиціювання повітря — це пряма спеціалізація. Сьогодні дефіцит таких фахівців є структурною проблемою AI-індустрії.
Як роботи навчаються на відео людей
Навчання роботів завжди було дорогим: потрібне спеціальне обладнання, оператори та тисячі годин демонстрацій. Дослідники вирішили цю проблему, використовуючи відео звичайних людей за роботою.
У 2023 році NYU та Meta створили датасет із 13 годин відео від першої особи: люди в 216 будинках знімали себе за побутовими справами. Мета — навчити AI-системи керувати роботами в життєвих умовах.
У грудні 2025 року Figure AI відкрила Helix Lab —лабораторію для збору великомасштабних egocentric-відеоданих під час взаємодії людини з фізичним середовищем. Ці дані навчають модель Helix — «зір-мова-дія» систему для гуманоїдного робота Figure 03 (висота 173 см, вага 61 кг, 30 ступенів свободи, тактильні сенсори на кінчиках пальців від 3 г).
Дослідники Стенфорда опублікували метод Phantom: навчання роботів без роботизованого обладнання — лише на відео людей. Система прибирає людину з кадру, вставляє роботизовану руку і використовує відеопари для навчання. Запуск на роботизованій платформі — без додаткового навчання.
Між відео та роботом: що всередині
Відео від першої особи — лише вхідні дані. Сучасні роботизовані системи для монтажних і сервісних робіт використовують кілька базових підходів машинного навчання.
Перший етап — навчання через імітацію дій людини (imitation learning). Система аналізує рухи монтажника, послідовність операцій, положення інструмента та повторює ці дії у власній моделі поведінки.
Далі застосовується перенесення навичок із симуляції у робоче середовище (sim-to-real transfer). Робот відпрацьовує сценарії у цифровій симуляції, де може виконати тисячі повторень без ризику пошкодження обладнання. Після цього модель переноситься на фізичну платформу.
Окремий напрямок — прогнозування наступного руху (motion policy learning). У цьому випадку система навчається визначати, яку дію потрібно виконати далі залежно від положення інструмента, конфігурації вузла та зовнішніх умов.
Проте для повноцінної роботи у життєвих умовах цього недостатньо.
Роботизовані системи також потребують:
- систем зворотного силового зв’язку та тактильного сприйняття для контролю зусилля й контакту з поверхнею;
- комплексу навігації та орієнтації в незнайомому просторі;
- механізмів захоплення й роботи з інструментами різної форми та призначення.
Шлях від публічного відео до робота-монтажника значно складніший. Але кожен із цих компонентів є предметом активних досліджень — Stanford Phantom (2025) уже усунув потребу в роботизованому обладнанні для збору даних.
Масштаб: ключові датасети для навчання роботів
Верифіковані датасети (офіційні джерела)
- Open X-Embodiment (Google DeepMind + 33 інститути, 2023–2024) — відкритий. 1M+ траєкторій руху роботів, 160 266 задач, 22 типи роботів, 60 датасетів від 34 лабораторій.
- DROID — 350 годин відео, 76 000 демонстрацій у робочих умовах — від кухонь до промислових задач.
- GEN-0 → GEN-1 (Generalist AI, закритий комерційний, 2025–2026) — GEN-0: 270 000 годин маніпуляцій, зростання +10 000 год/тиждень. GEN-1 (квітень 2026): понад 500 000 годин. Перше емпіричне підтвердження scaling laws для фізичного AI.
- Figure AI Helix (закритий) — egocentric-відео з Helix Lab; використовується для навчання VLA-моделі Helix для Figure 03.
На яких відео роботи навчаються найкраще
Не кожне відео однаково придатне для навчання. Характеристики оптимальних тренувальних даних:
Що робить відео цінним для навчання робота
- POV від першої особи — руки та інструмент у фокусі, без обрізаних кадрів.
- Повторювані дії в різних умовах — різний кут, освітлення, матеріал — підвищують стійкість моделі.
- Інструмент у кадрі протягом усієї операції — захват → використання → відпускання як єдина послідовність.
- Безперервний запис без монтажних вирізів — дозволяє моделі засвоїти весь ланцюжок рухів.
- Помилки людини та виправлення у кадрі — нетипові ситуації підвищують надійність моделі в робочих умовах.
Відео. Приклад відео майстрів на YouTube та TikTok: POV-зйомка, повторювані операції, інструмент у кадрі протягом усієї операції
Будівництво та монтаж: що вже в плануванні
McKinsey у жовтні 2025 року прямо назвав зварювання і сантехніку серед задач для гуманоїдних роботів у будівництві:
В окремому розборі McKinsey зазначає, що майбутні можливості включатимуть прокладку комунікацій та монтаж труб у важкодоступних і небезпечних локаціях.
Scientific Reports (грудень 2025) фіксує: у ряді прототипів роботи вже тренуються в симуляціях на прокладанні кабелю, зав'язуванні арматури та монтажі з'єднань трубопроводів — з подальшим відпрацюванням у робочих умовах.
Фінансовий масштаб: інвестиції в гуманоїдів зросли у п'ять разів з 2022 по 2024 рік (понад $1 млрд/рік). McKinsey оцінює ринок роботів загального призначення у $370 млрд до 2040 року (звіт «Will embodied AI create robotic coworkers», червень 2025). Ринок будівельних роботів: $168 млн у 2022 р. → прогноз $774 млн до 2032 р. (+360%).
Що роботам поки не вдається: обмеження
McKinsey: масштабне використання гуманоїдів у будівництві — горизонт десяти і більше років.
Для монтажного ринку конкретні обмеження такі:
| Технічні обмеження | Специфіка українського ринку |
|
|
Саме ці обмеження визначають поточну межу автоматизації в монтажній галузі. Жодне з них не є постійним: кожне є предметом активних досліджень.
Що це означає: відео, авторські права та стратегія
Кожен майстер, який публікує POV-відео роботи на YouTube, створює матеріал, технічно придатний для навчання роботів. Чи використовуються такі відео зараз — публічних підтверджень немає. Але механіка збору, яку описують дослідники, технічно доступна для публічно розміщеного контенту.
Юридична зона: питання використання публічних відео для навчання AI активно обговорюється в Європейському Союзі у рамкахавторсько-правового регулювання AI Act (Artificial Intelligence Act). Ряд платформ вже дозволяє авторам встановлювати мета-теги noai, що забороняють AI-парсинг. Зона активних правових дискусій без усталеного регулювання — залежно від країни, платформи і типу ліцензії.
Практичні кроки для інсталятора вже сьогодні:
- Освоювати складні нетипові системи — індивідуальні теплові пункти (ІТП), автоматизація, Smart Home, системи охолодження — де робот без CAD-моделі і тактильних сенсорів не справляється ще дуже довго.
- Будувати технічну репутацію: майстер, якого знають і якому довіряють, не замінюється платформою — він стає частиною системи, яка нею керує.
- Розвивати навички читання технічної документації англійською — інтерфейси перших роботизованих систем та документація до них будуть англомовними.
- Освоювати цифрові інструменти: BIM, IoT, AI-діагностика — компетенції, що підвищують цінність у гібридній команді людина + автоматизована платформа.
Таймлайн
| 2023 | NYU + Meta: датасет із 13 год. POV-відео людей для навчання домашніх роботів (216 будинків). Open X-Embodiment: 1M+ траєкторій від 34 лабораторій. |
| 2025 | Stanford Phantom: навчання роботів лише на відео людей. |
| 2025 | Figure AI Helix Lab відкрито для збору egocentric-відео. Figure 03: 173 см, 61 кг, тактильні сенсори від 3 г |
| 2025 | Generalist AI GEN-0: 270 000 годин робочих маніпуляцій, +10 000 год/тиждень. Перше підтвердження scaling laws для фізичного AI |
| 2025 | McKinsey: «welding and plumbing» — прямо в переліку задач для гуманоїдів у будівництві |
| 2026 | Wired: дефіцит сантехніків і HVAC-техніків названо ключовим обмеженням AI-інфраструктури. Generalist AI GEN-1: 500 000 годин |
| 2027 | Прогноз McKinsey: прототипи гуманоїдів на будівельних майданчиках |
| 2030 | Прогноз McKinsey: масове впровадження роботів у будівництві |
| 2040 | Прогноз McKinsey: ринок роботів загального призначення — $370 млрд |
Висновок
Два одночасні процеси перебудовують монтажний ринок: AI-інфраструктура потребує HVAC-фахівців прямо зараз — і фінансує розробку роботів, які навчаються на їхніх відео.
Парадокс 2026 року: AI-індустрія критично потребує сантехніків і HVAC-техніків прямо зараз — для будівництва тієї самої інфраструктури, яка фінансує розробку роботів для їхньої заміни у майбутньому. Wired назвав це «справжньою битвою за AI-таланти». McKinsey зафіксував сантехніку у списку цільових задач для гуманоїдів. Відеозаписи монтажних робіт стають навчальними даними для AI-моделей, які формують алгоритми руху та роботи з інструментом.
Структура вже визначена: ті, хто опанує роботу поруч із автоматизованими системами, залишаться затребуваними незалежно від темпу впровадження.
Більше важливих статей і новин в Telegram-каналі та корисні відео на Youtube-каналі та у TikTok. Долучайтесь!
Переглянуто: 1 410
