Проблема масштабирования данных
Робототехнические компании активно инвестируют в сбор данных, полагая, что объем информации решит ключевые задачи автоматизации. Однако никто не знает, сколько данных нужно для создания универсальных роботов и достаточно ли этого для промышленной надежности. Алгоритмы машинного обучения остаются «черными ящиками», что затрудняет их отладку и безопасность в коммерческом использовании.
Кен Голдберг из UC Berkeley отмечает, что парадигма имитационного обучения достигла плато. Для домашних роботов это приемлемо, но в промышленности, где требуются Siemens и Bosch, надежность критична. Добавление данных часто приводит к новым сбоям, а не к стабильности.
Механизм агентной робототехники
Агентная робототехника превращает задачу программирования из проблемы данных в проблему кода. Используя языковые модели (LLM), система разбивает сложную задачу на подзадачи, которые выполняют автономные агенты. Каждый агент отвечает за конкретный аспект: восприятие, манипуляцию или транспортировку объектов.
Спенсер Хуанг из NVIDIA поясняет, что инструменты для классификации объектов и планирования траекторий уже существуют. Агенты используют эти библиотеки, генерируя читаемый человеком код без необходимости сбора демонстрационных данных. Это позволяет использовать естественный язык для управления роботом.
Преодоление разрыва симуляции
Агенты тестируют сгенерированный код в симуляции, итеративно улучшая его. Голдберг продемонстрировал, как ИИ-агент самостоятельно настраивал параметры симуляции, чтобы она совпадала с реальным видео. Система автоматически подбирала освещение и фон, что ранее требовало ручного труда.
Торстен Крогер из Intrinsic (Alphabet) указывает, что физические движки пока не могут точно моделировать контакт с реальным миром. Однако агенты способны анализировать видео неудачных попыток и корректировать симуляцию, сужая разрыв между виртуальной и физической средой.
Промышленные результаты
В тестах UC Berkeley агентный подход достигал успеха в 99% случаев, тогда как базовые методы имитационного обучения справлялись лишь в 20%. Код, сгенерированный ИИ, прозрачен и легко модифицируется человеком при необходимости.
Сфера применения — промышленное производство, требующее точности до 0.3 мм. На заводе Wistron перенастройка робота под новый продукт занимала 8 часов. С агентной робототехникой этот процесс сокращается до 1-2 минут. Хуанг считает, что генерация кода станет основой для обучения будущих моделей, формируя облик общего интеллекта в робототехнике.
