Компании Boston Dynamics и Toyota Research Institute (TRI) объявили о значительном прогрессе в области робототехники и искусственного интеллекта. Результатом их совместной работы стала демонстрация возможностей человекоподобного робота Atlas, управляемого большой поведенческой моделью (LBM). Эта технология позволяет роботу выполнять длинные и сложные последовательности действий, которые требуют одновременного сочетания манипуляций с объектами и передвижения в пространстве.
Благодаря внедрению LBM робота можно быстро обучать новым навыкам без написания программного кода, пишет PR Newswire. В представленном видеоролике Atlas выполняет задачи по упаковке, сортировке и организации предметов, используя для этого весь комплекс движений тела, включая ходьбу, приседания и подъём грузов. При этом исследователи создавали для робота неожиданные препятствия, например, закрывали крышку ящика или сдвигали его, что требовало от Atlas мгновенной адаптации и корректировки своих действий.
Это достижение является результатом совместного исследовательского партнёрства, начатого компаниями в октябре 2024 года с целью объединения их сильных сторон и опыта для ускорения разработки умных роботов. По словам вице-президента по исследованиям в области робототехники Boston Dynamics Скотта Куиндерсмы, эта работа даёт представление о том, как создаются универсальные роботы, способные в будущем изменить нашу жизнь и работу. Он пояснил, что обучение единой нейронной сети для выполнения множества задач приводит к лучшей обобщаемости и адаптивности.
Старший вице-президент по большим поведенческим моделям Toyota Research Institute Расс Тедрейк отметил, что основная ценность гуманоидов заключается в их способности выполнять широкий спектр задач в существующей человеческой среде. Прежние подходы к программированию не могли справиться с этой задачей. Новая технология LBM решает эту проблему принципиально иным способом: навыки добавляются быстро посредством демонстраций со стороны человека, и по мере совершенствования модели требуется всё меньше примеров для достижения более надёжного поведения.