Как узбекистанец строит будущее человекоподобных роботов и привлекает миллионы в Кремниевой долине

Санжар Атамурадов создает одну из самых амбициозных платформ в мировой робототехнике — Humanola, стартап из Кремниевой долины, который превращает телеприсутствие в фундамент физического искусственного интеллекта. Компания позволяет людям со всего мира управлять роботами-гуманоидами с минимальной задержкой, а каждое действие оператора превращает в обучающие данные для будущего физического AGI. 

В совместной рубрике IT Park Uzbekistan и The Tech Санжар рассказал о том, как сложился его путь от мальчика, пасшего овец под звездами Самарканда, до основателя стартапа в Кремниевой долине, привлекшего $2,5 миллиона на создание фундамента для мировой робототехники. 

Санжар Атамуродов, город — Самарканд, основатель стартапа Humanola, LinkedIn

О себе

Я родился в Самарканде — городе, где детство проходит под бесконечными звездами и где мечты почему-то кажутся ближе. С самых ранних лет меня тянуло к технике: я разбирал все, что мог разобрать, пытался понять, как работают механизмы, а позже — компьютеры и роботы. 

После школы я поехал в Южную Корею учиться в KAIST — ведущем университете в инженерии и робототехнике. Там я изучал компьютерные науки с фокусом на роботов, создавал автономные системы, дронов. Этот опыт стал для меня отправной точкой: я понял, что хочу заниматься человекоподобными роботами и искусственным интеллектом всю свою жизнь. 

Во время обучения в KAIST я старался больше сосредоточиться на ИИ и робототехнике. Во время академических семестров проводил большую часть времени, изучая теоретические аспекты ИИ и робототехники, а во время перерывов я ходил в компании на стажировки. В Корее в год два периода каникул: летний и зимний — каждый длится около двух с половиной месяцев. Это давало мне много времени для работы над интересными проектами в компаниях.

Первые шаги в профессии: компьютерное зрение и автономные роботы

Вернувшись в Южную Корею, я стажировался в StoneLab Inc, где участвовал в разработке медицинского диагностического приложения на основе компьютерного зрения: выполнял разметку данных, тренировку нейросетей, интеграцию модели в backend. Тогда же я создал API для биометрической аутентификации — мою первую систему, которую использовали реальные пользователи.

Работа в Macroact Inc. стала следующим важным этапом. Там я занимался автономной навигацией для четвероногого робота, оптимизацией алгоритмов, тюнингом поведения и настройкой симуляций Gazebo — программы для создания и запуска виртуальных миров с роботами и объектами, позволяющей тестировать их работу без риска для реального оборудования. Это был огромный плацдарм для перехода к более сложным роботам.

Во время учебы в KAIST я также попробовал себя в роли исследователя в AVE Lab и IRiS Lab при университете. В AVE Lab я занимался разработкой алгоритмов для беспилотных автомобилей. В IRiS Lab я работал над системами восприятия для автономных транспортных средств — от обработки LiDAR-данных до детекции полос движения. Этот этап дал мне невероятную глубину понимания того, как робот «видит» мир.

Индустрия: от складских AMR до четвероногих роботов

После исследований я перешел в индустрию. В Digitrack Inc я работал над автономными мобильными роботами для складской автоматизации.

Позже, в Raion Robotics, я занимался локомоцией четвероногих роботов. Это был настоящий вызов — заставить робота устойчиво двигаться, адаптироваться к поверхности и выполнять сложные маневры.

Учеба и работа в США: интеграция инженерии и науки

Я переехал в Атланту и поступил в Georgia Institute of Technology — один из сильнейших центров мира по робототехнике и искусственному интеллекту.

Обучение в США стало для меня поворотным моментом. Здесь я получил глубокие фундаментальные знания в области управления роботами, нейронных сетей, систем восприятия и автономного поведения. Я изучал курсы, посвященные роботизированным манипуляторам, оптимизации движений, машинному обучению, алгоритмам реального времени — всему тому, что формирует основу современной робототехники.

Параллельно с обучением я работал инженером-робототехником в Atlanta Ventures, где создавал мобильных роботов для задач безопасности и инспекции. Именно тогда я начал ощущать, как теория соединяется с практикой — как знания из аудиторий мгновенно превращаются в код, алгоритмы и движущиеся машины.

После этого я продолжил исследовательскую карьеру в Georgia Tech, где занимался научными разработками в области humanoid loco-manipulation — способности человека-подобных роботов координировать движение: одновременно идти, поднимать объекты, открывать двери, выполнять сложные последовательные задачи.

И именно в тот момент меня осенило: большие языковые модели сделали прорыв благодаря огромному объему данных из интернета. А у роботов такого «интернета» нет — они буквально голодают по данным. Я понял, что единственный масштабируемый способ создавать качественные обучающие данные — телеприсутствие, когда оператор управляет роботом. Но никто в мире не занимался этим системно. 

Тогда у меня появилась идея, которая перевернула мою жизнь: построить платформу, которая даст каждому робототехнику инструмент для телеприсутствия и создаст инфраструктуру данных для физического ИИ. Так в июне 2025 года родилась Humanola. 

Мы все еще на ранних стадиях: массовые внедрения для автоматизации физического труда еще не наступили. Гуманоидных роботов, работающих на заводах, складах или в домах в США, пока нет — но это вот-вот произойдет в ближайшее время.

Какую проблему решает Humanola

Сегодня данные для обучения роботов изолированы в компаниях и лабораториях. Каждый создает свои маленькие датасеты, никто не делится, и отрасль буквально буксует. Это похоже на мир, где каждое ИИ-решение 2023 года тренировалось бы на своем маленьком локальном интернетике.

До появления Humanola каждая компания создавала собственную инфраструктуру для сбора данных — это дорого, долго и неэффективно. Многие просто работали на имеющихся ограниченных наборах, что тормозило развитие. Единой экосистемы, объединяющей данные и предоставляющей доступ к ним, не существовало.

Наша команда вдохновлена будущем, в котором роботы выполняют опасную, рутинную и монотонную работу, а человек занимается творчеством и стратегией. Единственный барьер между сегодняшним днем и этим будущим — нехватка данных для физического ИИ. Решая эту задачу, мы ускоряем будущее на годы вперед.

Я осознал, что проблема не только в разрозненности отдельных решений, а в отсутствии отраслевой платформы, к которой могли бы подключиться все игроки рынка. Дублирование усилий и изоляция данных тормозят развитие всей сферы. Именно это понимание стало толчком к созданию Humanola.

Чем занимается Humanola

Humanola разрабатывает платформу для удаленного управления роботами и комплексную инфраструктуру для сбора, обработки и анализа физических данных.

Платформа состоит из двух ключевых компонентов:

— операторы в VR-гарнитурах управляют роботами в реальном времени с минимальной задержкой
— все данные сессий автоматически собираются, очищаются, размечаются и превращаются в готовые датасеты для обучения ИИ.

В результате компании получают мощный инструмент для ускорения развития своих роботов.

Humanola — единственная независимая платформа, не привязанная к конкретному оборудованию и предоставляющая полный цикл: от управления роботами до полноценной обработки данных. Другие решения требуют создания собственной инфраструктуры или не обеспечивают такой уровень интеграции.

Среди клиентов — компании, внедряющие роботов в логистике, агро- и складской сфере, а также разработчики и исследователи, которым нужен быстрый доступ к качественным данным.

О трудностях 

Самое сложное было достичь минимальной задержки управления на больших расстояниях и интегрировать различные типы оборудования. Это потребовало глубоких технических доработок на всех уровнях — от VR-интерфейса до сетевых протоколов и облачной инфраструктуры.

Мы справились с помощью собственной сетевой инфраструктуры реального времени на базе протоколов UDP с коррекцией ошибок и адаптивной потоковой передачей, как в топовых VR-играх. Для управления на больших расстояниях развернули региональные edge-серверы, чтобы сократить задержку в пределах 80-100 мс даже между континентами.

Интеграцию оборудования обеспечили унифицированным API для роботов — абстрагировали управление суставами, потоки сенсоров и протоколы безопасности, чтобы любой гуманоид или манипулятор подключался с минимальной настройкой.

Прорыв случился, когда мы объединили частные 5G-сети в тестовых средах с GPU-ускоренным кодированием/декодированием видео на стороне оператора и робота. Это дало стабильное управление с задержкой ниже 100 мс — например, из Ташкента в Сан-Франциско. Так мы доказали, что глобальное масштабируемое телеприсутствие реально.

Главный мотиватор не опускать руки — вера в миссию и осознание, что мы строим не просто продукт, а основу для нового поколения ИИ и робототехники.

Технический прорыв в удаленном управлении с задержкой менее 100 м/с стал критическим — именно тогда концепция стала реальностью, а продукт вышел на рынок.

Достижения

Больше всего в нашей работе я горжусь: 

1. Реальными клиентами, которые отмечают радикальное улучшение своей работы. На сегодняшний день, у нас два B2B-клиента — обе компании разрабатывают гуманоидных роботов и активно используют нашу платформу для телеприсутствия и сбора данных. Мы провели две продажи на ранней стадии, что подтверждает ценность решения: клиенты отмечают ускорение разработки на 30-40% за счет готовых датасетов. 
2. Быстрым переходом от идеи к промышленной платформе. Во-первых, удаленное телеприсутствие позволяет клиентам моментально развернуть роботов и управлять ими удаленно из любой точки мира. Это означает, что компании могут начать работу с роботами немедленно, без длительного периода разработки локальных систем управления. Во-вторых, наши конвейеры обработки данных обрабатывают массивные объемы данных и преобразуют сырые данные с датчиков в датасеты, готовые для обучения моделей. Это позволяет компаниям достичь автономии своих роботов значительно быстрее, чем при традиционных подходах.
3. Сплочением сильной команды вокруг большой миссии. Сегодня наша команда состоит из пяти человек: трех соучредителей и двух инженеров. Я возглавляю компанию в качестве генерального директора, руковожу как технической частью, так и стратегическим-видением компании. Наш CTO — Чжаоюань Гу, PhD, с которым я проводил совместные исследования по человекоподобным роботам в Georgia Tech. Наш COO — Акбар Эркинов, отвечает за операционные вопросы компании и обеспечивает эффективное функционирование организации.

Мы завершили стартовый раунд на $2,5 миллиона от американских венчурных фондов и бизнес-ангелов, первые клиенты уже внедряют платформу, и мы видим подтверждение актуальности проблемы и ценности решения. Детали по выручке и количеству пользователей пока не раскрываем из-за ранней стадии.

Нас поддерживают ведущие венчурные фонды, а клиентами становятся компании, серьезно инвестирующие в робототехнику. Динамика внедрения — лучшее доказательство эффективности.

О развитии в США, Корее и Узбекистане

США — лидер в разработке «мозга» робототехники — искусственного интеллекта и программных систем, которые позволяют роботам мыслить и действовать как люди. Это именно то, что движет отрасль вперед.

Корея обладает сильными командами и постоянно продвигает границы технологии. Однако ее масштабы значительно меньше, чем в США. Корейские компании часто фокусируются на аппаратной части и инновациях, но им не хватает масштаба американского рынка.

Узбекистан только в начале пути. Робототехника здесь находится на ранней стадии развития.

Планы

Мы стремимся интегрировать Humanola на все крупные платформы гуманоидных роботов в США и по всему миру, а также стать инфраструктурным партнером для лидеров отрасли — Nvidia, Tesla, Google — в создании физического AGI.

В рамках нашей стратегии расширения на первые 12 месяцев мы нацелены на масштабные внедрения роботов через производителей робототехники. Мы уже нанимаем операторов телеприсутствия из Узбекистана, которые будут удаленно управлять роботами, работающими в США и других странах.

Это создает огромные экономические возможности — речь идет о тысячах новых рабочих мест в регионах Узбекистана, при одновременном масштабировании объемов собираемых данных. Операторы могут работать из любой точки мира, роботы — выполнять задачи в любой точке мира, а данные будут возвращаться обратно для обучения все более совершенных моделей. Это выигрыш для всей робототехнической отрасли, для создания рабочих мест на развивающихся рынках и для развития физического искусственного интеллекта.

Мы хотим ускорить развитие физического AGI — сделать роботов массовыми помощниками и навсегда изменить подход к труду. Наша миссия — создать инфраструктуру, которая демократизирует индустрию и сделает интеллектуальных роботов доступными повсеместно.

Советы предпринимателям

Мечтайте масштабно и не бойтесь рисковать. Все значимые достижения приходят на грани провала, главное — упорство и постоянство.