Исследователи из Инженерной школы NYU Tandon в США представили новый алгоритм BrainBody-LLM, который позволяет роботам не просто выполнять команды, а планировать свои действия, корректировать движения во время работы и учиться на собственных ошибках. Разработка имитирует то, как у человека мозг и тело согласовывают движения.
Ранее одной из главных проблем в робототехнике было то, что машины плохо справлялись со сложными задачами в непредсказуемых условиях. Классическое программирование или планирование на основе больших языковых моделей часто создает планы, которые не учитывают реальные возможности конкретного робота.
BrainBody-LLM решает эту проблему с помощью двух взаимосвязанных компонентов. Первый — Brain LLM — отвечает за общее планирование и делит сложную задачу на простые шаги. Второй — Body LLM — превращает эти шаги в точные команды для движений робота.
Читайте также:
Звездные войны становятся реальностью. Американская компания представила человекоподобного робота для армии Важной особенностью системы является замкнутый цикл обратной связи. Робот постоянно следит за своими действиями и изменениями в среде.
Если возникает ошибка, система получает сигнал и сразу корректирует движения в реальном времени.
Один из авторов исследования, аспирант NYU Tandon Винит Бхат, объяснил, что главное преимущество подхода — это динамическое взаимодействие между компонентами, которое помогает эффективно работать со сложными задачами.
Сначала алгоритм проверяли в виртуальной среде VirtualHome, где виртуальный робот выполнял бытовые дела. После этого систему протестировали на реальном роботизированном манипуляторе Franka Research 3. В симуляциях BrainBody-LLM повысил уровень успешного выполнения задач до 17%. На реальном роботе система смогла справиться с большинством поставленных задач.
Читайте также:
Птичка-шпион. Китай показал дрон-убийцу, который маскируется под воробья Разработчики считают, что в будущем этот подход может изменить использование роботов в домах, больницах и на производстве — там, где требуется гибкое поведение, похожее на человеческое. Также метод может стать основой для систем, которые будут сочетать планирование с 3D-зрением, датчиками глубины и точным управлением суставами.
Впрочем, технология пока не готова к широкому применению. Она тестировалась на ограниченном количестве команд и в контролируемых условиях, поэтому может испытывать трудности в сложных и быстро меняющихся реальных ситуациях. Исследователи отмечают, что в дальнейшем планируют использовать больше сенсоров для обратной связи, чтобы сделать систему более безопасной и надежной.
Читайте также:
Звучит угрожающе. Китай представил новое устройство, способное перерезать подводные кабели на глубине до 4000 метров
