▲РЕПО НЕТ В ОКНЕ 30D. ПОКАЗАН FINDING ИЗ ОКНА 7D (7 days) — РАНГ #44.
FINDING #44 · UNIT ID 1179511162
PhyAgentOS/PhyAgentOS
PhyAgentOS is a self-evolving embodied AI operating system built on agentic workflows.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
23% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
48.71
ACCEL
-0.86
RETENTION
61.9%
PEAK 2026-08-02 · FORK-RETENTION 14.3% · 341 STARS / WINDOW
Author Audience
AUDIENCE
169
FOLLOWERS
18
OWNER ★
1,507
Engagement Signals
FORKS
93
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 341 / 341 (DIVERSITY 1.00)
Потенциал заработка
C49/100
СПРОС82
Деньги в теме есть: robot software market и robotics simulation market крупные и растущие; платёжеспособность подтверждают Foxglove, Viam, NVIDIA, RoboDK, MathWorks, Canonical.
ЗАХВАТ35
Удержание ценности слабое: рынок занят ROS/LeRobot/OpenPI и коммерческими платформами Foxglove/Formant/Viam/NVIDIA; MIT облегчает adoption и форки. Нужен узкий wedge: eval/recovery runtime для VLA policies, а не широкий AI OS.
ДОСТУП72
MIT разрешает коммерческое использование, closed-source derivatives и SaaS. Проект свежий, Python, pip-installable и активный, но real-robot safety, liability, интеграции, bus-factor и отсутствие релизов требуют серьёзных вложений.
«Коммерческий потенциал топит capture: без узкой ниши это ещё один orchestration layer между сильными экосистемами.»
Рыночный анализ · Обзор
PhyAgentOS — Python-runtime для embodied AI, который отделяет «мозг» агента от конкретного робота или симулятора через Session-протоколы, адаптеры, preflight-проверки и журналируемое выполнение.
embodied AI runtime / robotics agent orchestration / robot policy evaluation harnessЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
ЯЗЫК
Python
ЛИЦЕНЗИЯ
MIT
РЕЕСТР
pypi
КОНТРИБЬЮТОРЫ
13
УСТАНОВКА: pip install PhyAgentOS-ai
Что делает
Агент планирует задачу на естественном языке, runtime превращает её в проверяемую Session, выбирает Target: debug, simulation или real_robot. Затем подключается Policy или Builtin SkillRuntime, валидируются контракты, а состояние и действия пишутся в Markdown/YAML. Это даёт единый auditable pipeline для симуляторов, real robots и VLA-политик.
Какую боль решает
В робототехнике смена робота, симулятора или VLA-политики часто ломает весь пайплайн; PhyAgentOS снижает эту связность через адаптеры, session-centered runtime и preflight-контракты.
Сценарии использования
- Бенчмаркинг VLA-политик типа OpenPI PI0.5 на LIBERO или RoboCasa.
- Перенос одного agent workflow с симулятора на real robot через TargetAdapter.
- Безопасный запуск embodied-agent задач с critic, preflight, SafetyGuard и operator override.
- Fleet mode: координация нескольких роботов через shared/per-robot workspaces.
- Сбор воспроизводимых execution traces для отладки, регрессий и failure recovery.
Целевой пользователь
Robotics и embodied-AI researchers, robot learning engineers, интеграторы роботов, команды, которые тестируют VLA/agent policies между sim и real.
Open-source аналоги
Базовая middleware/экосистема для роботов, драйверов и коммуникаций; не LLM-agent runtime.
End-to-end learning, datasets, training/eval для роботов; не session OS и не hardware abstraction runtime.
VLA-модели и policy server; PhyAgentOS скорее оркестрирует OpenPI, чем заменяет.
Open-source VLA model для manipulation; меньше про runtime, safety и session scheduling.
Симулятор, а не agent OS; PhyAgentOS может использовать симуляторы как Targets.
High-performance 3D simulator для embodied AI; нет real-robot adapter/session protocol.
Multi-fleet robot management поверх ROS 2; ближе к operations/fleet, не к VLA-agent policy loop.
Позиционирование
PhyAgentOS не лидер OSS-рынка; это нишевый ранний glue/runtime между agent workflows, VLA policies, симуляторами и real robots. Сильная сторона — session-centered abstraction и auditable Markdown/YAML протокол. Слабая — экосистема и доказанная production-надежность пока на порядки меньше ROS/LeRobot/OpenPI.
Коммерческие аналоги
Robotics observability: logs, visualization, fleet/device data, MCAP workflows.
Заявляет 10k+ robotics/physical AI developers и сотни robotics companies; также указан $40M Series B.
Free$0
Pro$20/mo base + $42/user/mo + $20/device/mo
Enterprisecustom
Cloud robotics platform: machine APIs, fleet management, ML deployment, OTA, data.
$87M total funding после $45M Series B.
Developer Platformfree to start, после первых $5/mo usage-based
Storage tabular$0.25/GB/mo
Hot store$2.5/GB
Upload$0.15/GB
Egress$0.25/GB
Manufacturing solutionscustom
Robotics data/operations layer, teleop, incidents, fleet ops, AI agents for physical operations.
Указан $21M funding round и 500% YoY revenue growth claim in 2023; homepage claims 644 production organizations and 1.980M operating hours, telemetry May 2026.
Enterprisecustom
RobOps / robot orchestration, teleoperation, diagnostics, missions, dashboards, copilot.
$2.6M seed announced; заявлена ориентация на fleets growing to hundreds/thousands и deployments across four continents.
Developer Editionup to 8 robots, flat-rate annual pricing, amount not published
Enterprisecontact sales
GPU simulation, digital twins, robot training/eval, enterprise support.
NVIDIA ecosystem; exact Isaac Sim revenue not public.
NVIDIA AI Enterprise self-managed$4,500/GPU/year
NVIDIA AI Enterprise self-managed 3 years$13,500/GPU/3 years
NVIDIA AI Enterprise perpetual$22,500/GPU
Cloud production$1/hour/GPU + CSP costs
Robot simulation + offline programming + calibration.
Scale цифры не найдены на vendor page.
Trialfree
Professional$3,995 permanent
Maintenance$1,500/year
Robot Calibration$17,995
Calibration maintenance$4,000/year
MATLAB/Simulink robotics design, simulation, deployment, Gazebo/Unreal integration.
MathWorks enterprise/academic install base; конкретное число пользователей не подтверждено.
Robotics System Toolbox perpetualUSD $2,250
Manufacturing/robotics process simulation, virtual validation, robot program optimization.
Siemens enterprise PLM footprint; точные users/revenue по продукту не подтверждены.
Process Simulatequote-based
AWS Marketplace Process Simulate Collaborate one-yearcustom quote starting at $1,800
Real-time 3D engine for simulation/digital twins/training; смежно с robotics simulation.
Unity public company; robotics-specific usage не подтверждено.
Unity Pro$210/mo or from $2,310/year
Unity Enterprisecustom
Unity Industrycustom
Commercial support/security maintenance for Ubuntu/ROS stacks.
ROS ESM included in Ubuntu Pro; supports ROS LTS beyond normal lifecycle.
Ubuntu Pro workstation$25/machine/year
Ubuntu Pro server$500/machine/year
24/7 support workstation$300/year
24/7 support server infra$1,775/year
24/7 support server full$3,400/year
Web-based robotics developer environment: workcell design, process building, deployment.
Alphabet robotics company; exact revenue/users/pricing not public.
Flowstaterequest demo/contact sales
3D manufacturing simulation + offline robot programming.
Capterra lists 4.4 rating from 53 reviews; 25 years in business claim.
Visual Componentsquote/demo model
Текущая монетизация проекта
Монетизация самого PhyAgentOS не подтверждена. На сайте/доках найдены документация и GitHub Issues как support channel, но не pricing, cloud, paid support, open-core tiers или GitHub Sponsors. На GitHub profile виден Follow, не Sponsor, и 2 репозитория. Текущий вид: research/OSS hobby или ранний ecosystem project, не commercial product.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
Заработать можно, но не на широкой «операционной системе для embodied AI». Реалистичный путь — B2B-интеграция, managed eval/runtime для VLA-роботов, enterprise safety/runtime package и поддержка on-prem deployments.
Спрос и рынок
Спрос высокий: robot software market указан как $29.64B в 2026 и $78.81B к 2031, CAGR 21.62%; robotics simulation market — $7.58B в 2026 и $13.90B к 2032, CAGR 10.56%. Платёжеспособность подтверждают существующие коммерческие платформы в robotics observability, simulation, fleet ops и support.
Ров / защищённость
Сейчас ров слабый: код и протоколы под MIT, конкуренты сильнее. Потенциальный ров может появиться через накопленные adapters, benchmark traces, recovery datasets, safety contract library и verified known-good recipes для конкретных robot-policy pairs.
Модели монетизации
- paid integration/support: адаптеры под Franka, Go2, AgileX, XLeRobot, RoboCasa, LIBERO и клиентские симуляторы
- hosted evaluation service: запуск VLA benchmarks, regression reports, replay artifacts, recovery analysis
- enterprise safety/runtime package: preflight contracts, audit logs, operator override, incident reports
- managed on-prem deployment для robotics labs и промышленных R&D
- training/workshops для команд, мигрирующих от ad-hoc scripts к reproducible robot eval
- paid adapter marketplace позже, если появится community
Что нужно, чтобы сделать продукт
- Стабильные GitHub releases и semver.
- Публичная compatibility matrix по роботам, симуляторам и policies.
- Доказанные кейсы на real robots с failure statistics.
- UI/dashboard поверх Markdown/YAML протоколов.
- RBAC, secrets, audit, artifact storage, multi-user workflows.
- Гарантия безопасности: limits, emergency stop integrations, certifiable deployment guidance.
- Commercial docs: SLA, support tiers, reference architectures.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
MIT — коммерчески безопасная лицензия. Можно использовать в закрытом продукте, SaaS, internal tooling, модифицировать и продавать. Основные ограничения не из MIT, а из third-party models/SDKs, safety compliance и контрактной ответственности.
Риски и подводные камни
ВЫСОКИЙКОНКУРЕНЦИЯ
ROS/LeRobot/OpenPI/Foxglove/Formant/Viam/NVIDIA могут закрыть соседние слои быстрее.
ВЫСОКИЙЮР. СЕРАЯ ЗОНА
Real-robot runtime может повредить оборудование или людей; нужен строгий scope, safety guidance и отказ от autopilot claims.
ВЫСОКИЙПРОЧЕЕ
Проект младше 5 месяцев, нет GitHub release, pyproject помечен Alpha, API может ломаться.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Владелец user, verified=False, 15 followers; 13 контрибьюторов — неплохо для старта, но не foundation-grade.
СРЕДНИЙПРОЧЕЕ
Positioning размыто: README говорит OS, pyproject — lightweight personal AI assistant framework; это снижает доверие B2B-покупателя.
СРЕДНИЙЛИЦЕНЗИЯ
Сам проект MIT, но OpenPI/Gemma/model checkpoints, robot SDKs, cloud GPUs и vendor tools имеют отдельные условия.
СРЕДНИЙМАЛЫЙ РЫНОК
Robotics buyers покупают outcomes/support, не библиотеку; нужен сервисный слой.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-07-18 · ОКНО 7D
Оговорки / что не проверено
- Факты GitHub-воронки, license, topics, PyPI install, contributors, stars, forks, dates и archive_coverage взяты как входные данные и не перепроверялись.
- Звёзды OSS-аналогов взяты из собранного разбора, не перепроверялись в текущем ответе и быстро устаревают.
- NVIDIA AI Enterprise pricing, Unity pricing и часть scale-оценок указаны из собранного разбора без URL-источников в таблице, поэтому требуют отдельной проверки перед коммерческим решением.
- Scale по RoboDK, MathWorks Robotics System Toolbox, Siemens Tecnomatix, Intrinsic Flowstate, Unity robotics-specific usage и NVIDIA Isaac Sim revenue не подтверждён точными публичными users/revenue.
- Вывод о слабом moat/capture основан на аналитической оценке и общих знаниях о ROS/robotics ecosystems, а не на прямом количественном сравнении customer adoption.
- Спрос и размер рынков опираются на маркетинговые/аналитические отчёты из собранного разбора; не подтверждены двумя независимыми источниками каждый.
- Отсутствие монетизации PhyAgentOS основано на найденных признаках в собранном разборе: docs/support channel, отсутствие найденных pricing/cloud/paid support/open-core tiers/Sponsors; это не доказывает отсутствие private commercial activity.
- Оценки safety/liability, procurement friction и enterprise readiness являются аналитическими выводами по домену real-robot deployments, а не проверенными claims проекта.
ИСТОЧНИКИ (30)
Why This Is A Finding
PhyAgentOS/PhyAgentOS собрал 341 звёзд за окно, тогда как у автора всего 18 подписчиков — эффективная аудитория ≈ 169. Это даёт surprise-индекс 0.23 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 14.3% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 100% OF 9753 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9753 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.220.00+0.21ABOVE 100%
VELOCITY48.713.29+45.43ABOVE 96%
RETENTION61.9%35.4%+26.5 PPABOVE 87%
FORKS93133-40ABOVE 41%
SURPRISE0.230.01+0.23ABOVE 99%