Уилл Найт хочет, чтобы робот кормил его кошку. Старший автор WIRED, пишущий об искусственном интеллекте, держит бенгальскую кошку по кличке Леона и уже придумал, как это устроить: небольшой шагающий робот находит её, кланяется и выдаёт лакомство из отсека, который можно установить сверху. Но новость не в лакомстве. Робот уже работает в программной среде, а большую часть обучения, которую инженер-робототехник обычно проводил бы вручную, выполнила модель ИИ.

Это виртуальный Microduck — двуногий робот в форме утки от Pollen Robotics, подразделения Hugging Face, занимающегося робототехникой. Найт научил его ходить по комнате, не падая, и распознавать поблизости бенгальскую кошку. По его словам, на это ушло несколько часов — тогда как раньше такая работа могла занять недели. В своей колонке он называет это будущим робототехники. И он прав лишь отчасти. Цикл обучения резко ускорился. Но всё, что находится по обе стороны от него, почти не изменилось.

Что именно делала модель

Найт связал GPT-6 Sol от OpenAI с Hermes — агентной системой от Nous Research, запущенной на Nvidia DGX Spark, настольном компьютере с мощным ИИ-чипом. Модель не просто писала код. Через Nvidia Isaac Sim она отправляла команды модели, управлявшей виртуальной уткой, просматривала видео с её действиями, оценивала, насколько хорошо та справляется, и предлагала изменить параметры обучения. Запустить, посмотреть, подправить, повторить — это медленная и неприметная часть обучения роботов, и именно её удалось автоматизировать.

Профессиональные лаборатории сообщают о тех же переменах. В Калифорнийском университете в Беркли группа профессора Кена Голдберга дала модели Astra от OpenAI доступ к инструменту Newton от Nvidia, показала ей запись с настоящим роботом и попросила воссоздать сцену в симуляции. «Нас всех поразило, что меньше чем за час она создала полноценную 3D-симуляцию со всеми заданными параметрами — положением камеры, освещением, фоном и всеми материалами», — рассказал Голдберг WIRED. По его словам, Astra также может проводить эксперименты и анализировать результаты, избавляя исследователей от значительной части рутины при обучении робота в симуляции.

Теперь у этого метода есть название. ASPIRE — фреймворк, среди авторов которого Голдберг и Джим Фан из Nvidia, — поручает большой языковой модели написать код управления роботом, изучить журналы выполнения при сбоях, исправить программу и сохранить удачное решение в библиотеке навыков, чтобы его можно было использовать в последующих задачах. В середине октября лаборатория Фана в Nvidia выложила код версии 1.0 на GitHub по лицензии Apache 2.0, сообщают ToolNavs и RuntimeWire. В одной из демонстраций роборуки учатся собирать кубик Рубика. «Он поднимает его, пытается повернуть, но выбирает неправильный угол, — рассказал Фан WIRED. — Потом очень, очень долго рассуждает, но в конце концов всё-таки справляется, потому что постепенно осваивает нужные навыки».

Навык, который стал доступнее, теперь арендуют

Вот о чём умалчивает разговор о «вайб-робототехнике». В статье об ASPIRE прямо сказано, что результаты зависят от базовой передовой модели. При работе на Claude Opus 5.5 от Anthropic система, по данным авторов, в среднем успешно справлялась с 99% всех 80 задач на манипуляцию из набора LIBERO-Pro. Этот показатель пока не удалось независимо воспроизвести. В списке ограничений самого проекта отмечается, что система зависит от неизменной передовой модели, а способность моделей поменьше поддерживать тот же цикл отладки ещё не проверена.

Если проследить за этим выводом, картина становится яснее. Теперь утка энтузиаста и роботизированная рука в лаборатории Беркли учатся примерно настолько хорошо, насколько позволяет вызываемая ими большая модель. Инженерные знания, которые прежде были пропуском в робототехнику, никуда не делись. Во многом они теперь заключены в той передовой модели, за использование которой разработчик может заплатить.

Утка всё ещё ждёт своей очереди

Другая сторона процесса — оборудование, а Найт всё ещё ждёт свой экземпляр. В конце августа Pollen открыла предзаказ на Microduck за 399 долларов, обещая доставить робота до Рождества. Business Insider сообщило, что за первые 24 часа сумма заказов превысила 2,6 миллиона долларов, сославшись на сооснователя Hugging Face Томаса Вольфа. Вскоре на странице оформления заказа для новых покупателей появился срок ожидания от четырёх до шести месяцев. Gadget Flow сообщает, что теперь магазин предупреждает: нынешние предзаказы отправят не раньше мая 2027 года. Предполагается, что обучение будет проходить в симуляции: собственный процесс Pollen позволяет владельцам обучать виртуальную утку новым действиям, а затем переносить их на физического робота. Но политика поведения, ожидающая появления тела, ещё не сталкивалась с ковром, ножкой дивана или кошкой, которая отказывается сотрудничать.

Найт откровенно говорит и об остальном. По его словам, система компьютерного зрения на его утке работает недостаточно хорошо, чтобы использовать её в готовом продукте. Когда он загрузил модели GIF с Майклом Джексоном, чтобы научить её лунной походке, несколько часов работы дали, как он выразился, лишь очень бодрую пробежку задом наперёд. Авторы ASPIRE перечисляют те же проблемы, мешающие внедрению в реальном мире: надёжное распознавание успешного выполнения задачи, безопасный сброс, контроль безопасности и калибровка. Всё это требует понимать, что действительно произошло в физическом помещении, а симулятор как раз не может этого рассказать.

Куда направлены деньги

Но интерес к технологии не ослабевает. По словам Голдберга, подходом заинтересовались несколько компаний из сфер промышленной робототехники и автоматизации, а Найт считает, что высокая скорость обучения вскоре может серьёзно повлиять на производство и электронную торговлю. На проходящей на этой неделе в Остине конференции Conference on Robot Learning Фан в своей программной речи показал, как Astra управляет роботизированной рукой и красит мост Золотые Ворота краской и кистями, которые лежали неподалёку.

В результате меняется то, где возникают ошибки. Если обучение поведению робота занимает часы, а не недели, команды будут обучать гораздо больше вариантов, и узким местом станет проверка того, какие из них безопасны за пределами симулятора. Лакомство, которое не попало в миску Леоны, — недорогой способ усвоить этот урок. А вот складская роботизированная рука, выполняющая написанный моделью навык, который никто не проверил в реальных условиях, обойдётся куда дороже.

Теги: nvidia, Hugging Face, Microduck, Pollen Robotics, роботы