Компания Generalist AI анонсировала модель GEN-1, предназначенную для управления роботами. Разработчики называют ее «воплощенной базовой моделью» (embodied foundation model), которая способна эффективно воспринимать окружающую обстановку, логически мыслить и выполнять сложные действия в реальном физическом мире.
В основе GEN-1 лежат масштабные наборы данных, собранные в ходе реальных взаимодействий с объектами, а не узкоспециализированные тренировочные выборки. По официальным данным, модель демонстрирует 99% успеха при выполнении заданий, что является огромным скачком по сравнению с 64% у предыдущей версии системы. Кроме того, скорость выполнения операций выросла в три раза. Важной особенностью стала способность модели подстраиваться под новые задачи всего за один час обучения на свежих данных.
В отличие от классических промышленных манипуляторов, жестко запрограммированных на работу в идеальных условиях, GEN-1 создавалась для динамичных и непредсказуемых сред. Система объединяет в себе три ключевых компонента: восприятие пространства, принятие решений и управление движением. В компании подчеркивают, что подлинное «мастерство» в современной робототехнике заключается в сочетании высокой надежности, скорости исполнения и импровизационного интеллекта — умения подстраиваться под неожиданные помехи и нестандартные ситуации.
Результаты тестов и развитие архитектуры
Практические демонстрации возможностей GEN-1 показали, что роботы способны стабильно выполнять монотонные задачи, такие как упаковка товаров, складывание коробок или сборка компонентов, практически без ошибок даже при многократном повторении операций. Архитектура новой модели опирается на наработки предыдущего поколения GEN-0, которое подтвердило существование в робототехнике «законов масштабирования», аналогичных тем, что наблюдаются в развитии больших языковых моделей.
Одной из главных особенностей подхода Generalist AI является использование данных о человеческой активности. Компания использует информацию, собранную с помощью носимых устройств, для предварительного обучения роботов. Это позволяет существенно снизить зависимость от дорогостоящих методов сбора данных через телеуправление. Несмотря на внушительные результаты, разработчики признают, что для полномасштабного внедрения в индустрию еще требуется доработка показателей скорости и общей надежности.
На текущий момент доступ к GEN-1 получили лишь избранные партнеры. Развитие платформы продолжается, а сам анонс подчеркивает глобальный тренд на создание «физического ИИ», способного полноценно работать и обучаться вне лабораторных условий.
