KazrobotiX

Проблема

Трактор с гербицидами едет по полю и опрыскивает всё подряд — сорняк, культуру, землю между рядами. Он не умеет иначе. Хозяйство теряет деньги на химикате, который льётся не туда, а вместе с ним — здоровье тех, кто работает на земле и ест то, что на ней выросло.

По словам команды, только на гербициды казахстанские хозяйства тратят «около 980 млн тенге в год» — цифра из питча, источник не указан.

Клиент, вместе с которым команда вела разработку, — глава крестьянского хозяйства агрофирмы «Родина» Людмила Ивановна.

Что придумали

KazRobotiX — автономный робот на колёсах, который патрулирует поле, распознаёт сорняк среди культур машинным зрением и точечно опрыскивает гербицидом только его — через relay-модули и электромагнитные клапаны. Ключевое отличие в одном предложении: робот обрабатывает не поле, а конкретную точку на нём.

По заявлению команды, 5 литров гербицида, которых трактору хватает на один проход по небольшому участку, роботу хватило на «10–12» таких же участков — с остатком.

Нейросеть для распознавания обучали не на готовом датасете, а на снимках, которые команда сама собрала на территории хозяйства «Родина»: не только сорняки, но и камни и другие объекты, способные сбить модель с толку — на архитектуре YOLO v10. Автономность построена на IMU без GPS и без SLAM — от последнего отказались как от менее эффективного варианта.

Как это началось

Первая идея не имела отношения к машинному зрению.

«Изначально наша идея была завязана на использовании CO2 лазеров для выжигания сорняков, как делали Carbon Robotics. Однако через какое-то время мы поняли, что лазеры оказались слабыми и, не справившись с расходом энергии, мы решили сменить идею. Так мы решили, что лучше будет модернизировать уже используемую технологию в Казахстане, нежели внедрять что-то совершенно новое, как лазеры.»

От лазера отказались не из-за нехватки амбиций, а из трезвого инженерного расчёта: то, что работает у калифорнийского стартапа с другим бюджетом, не обязательно работает в школьной лаборатории.

Главный провал: команда, которая чуть не распалась перед полуфиналом

«У нас были некоторые разногласия в команде. Однажды чуть не довело и до распада незадолго до полуфинала. Тогда нам повезло, что наш ментор в лаборатории, Айдар Алимбаев, направил девочек в команде на примирение и помог превратить конфликт в урок, нежели во что-то негативное.»

Это, судя по всему, не единственная трудность: по данным более раннего разбора той же питч-записи, за несколько минут до финала у робота сгорела часть электроники, а нужные комплектующие искали по всей стране и за её пределами. Но именно конфликт внутри команды — тот провал, который команда называет первым, когда её прямо спрашивают об ошибках.

«В остальном мы искали информацию, пробовали и ошибались, но главное — не опускали руки. Так вышло, что в сферу инженерии и робототехники мы вошли без практических знаний… Мы уделяли много времени на то, чтобы разговаривать с людьми, которые в этой стезе работают, и набирались знаний у них.»

Разбор изобретателя

Метод-этап	Конфликт как сигнал, а не повод для распада
Что сработало	Обращение к внешнему ментору вместо попытки решить конфликт внутри команды самостоятельно
Что не сработало	Старт без практических инженерных знаний; плюс, по данным более ранней версии разбора, авария с электроникой прямо перед финалом и дефицит комплектующих
→ Инструмент Части 2	Как отличить конфликт из-за амбиций (разрушительный) от конфликта из-за разных взглядов на задачу (полезный)

Где проект сейчас

По словам команды, разработка робота приостановлена: после конкурса участницы сосредоточились на поступлении в вузы.

«Робот пока находится в лаборатории, планов мы на данный момент не строили. Но кто знает, что нас ждёт в будущем;)»

Дальше — по словам команды на момент подготовки материала, конкретных планов нет.

После конкурса: есть следы предпринимательской траектории (стартап-роли в публичных профилях). Имена участников не публикуются.

Потенциал развития

Взгляд со стороны: чем этот проект может стать, если довести его до продукта. Это аналитическая гипотеза редакции, а не заявление команды.

Ценность KazrobotiX не исчерпывается роботом для одной фермы. В основе — три компонента, которые можно переиспользовать по отдельности: механизм точечной доставки жидкости на базе машинного зрения, автономная навигация без GPS и SLAM (на одном IMU) и собственноручно собранный датасет местных сорняков и культур — редкий тип данных, которого мало у кого есть в регионе.

Модель, которая не требует выбора между экологией и прибылью: хозяйства платят за экономию гербицидов и рабочей силы уже сегодня, а более широкий эффект — меньше химической нагрузки на почву и людей — становится аргументом для государственного или донорского финансирования масштабирования.

Пять направлений, куда это масштабируется

Направление	Что переиспользуется	Пример применения
Точечное внесение других агрохимикатов	Тот же механизм «клапан + машинное зрение»	Удобрения и фунгициды вместо гербицидов — та же экономика, другая жидкость
Автономная навигация без GPS	IMU-стек, разработанный для полей без устойчивой связи	Другие полевые роботы (мониторинг всходов, посев) в хозяйствах без покрытия сети
Локальный датасет сорняков и культур	Вручную собранные и размеченные снимки конкретных культур Казахстана	Обучающая выборка для других агро-ИИ проектов региона, где своих данных ещё нет
Эко-субсидии (B2G)	Измеримое снижение объёма гербицидов на гектар	Государственная программа компенсации хозяйствам за переход на точечную обработку
ESG-метрика для инвесторов	Статистика снижения химической нагрузки, которую цитирует сама команда	Количественный показатель для агрофондов и институций с ESG-мандатом

Что нужно доказать. Первое — реальную экономику: заявленные $177 млн прогнозируемой выручки и 88 млн тенге выгоды партнёра нужно пересчитать по проверяемой методике, сейчас это цифры из питча без источника. Второе — устойчивость модели распознавания за пределами одного тестового поля хозяйства «Родина»: другие культуры, другие сорняки, другой сезон. Третье — судьбу трёх заявленных клиентов: подписаны ли договоры на самом деле и что с ними стало за время паузы в разработке.

Что советуют тем, кто начинает

«Нынче намного проще найти информацию с помощью нейросетей и даже писать коды. И всё же не стоит этим злоупотреблять, а для своих же знаний и будущего пробовать разобраться в том, что выдаёт вам ИИ. Попросите его объяснить или попытайтесь повторить сами. Метод проб и ошибок — фундамент человеческого обучения. Не бойтесь пробовать себя в механике/кодинге/дизайне.»

«Изобретать — это…»

«Изобретать — это не создавать невозможное, а делать очевидным то, чего вчера никто не видел.»

В аудио-интервью команда возвращается к той же мысли, но с конкретным основанием — и это, пожалуй, самый практичный совет во всей подборке для тех, кто выступает сегодня:

«Не используйте код чрезмерно. Даже если используете — понимайте, для чего, и вникайте в каждый код или промпт, который пишете. Потому что если в финале что-то случится — у нас буквально за 30 минут до выхода перегорело, и робот перестал работать, — вы должны понимать, как эту проблему решить».

Официальное описание

Формулировка организатора с сайта конкурса solvefortomorrow.kz — приводится как есть, это не текст редакции.

Эффективно выявлять и избавляться от сорняков поможет изобретение столичной команды «Alga Kazakhstan». Благодаря искусственному интеллекту их робот тщательно анализириует посевы и далее при помощи гербицидов точечно уничтожает «вредителей». Проект успели опробовать крупные фермерские хозяйства Казахстана и с некоторыми уже заключены договоры о дальнейшем сотрудничестве. Также им сейчас активно интересуются профильное министерство и некоторые международные компании. К слову, разработка команды «Alga Kazakhstan» завоевала первое место на конкурсе Solve for Tomorrow 2024.

Место: 1 место · Астана, Білім Инновация Лицей для одаренных девочек