Boston Dynamics научила робота Atlas выполнять сложные задачи по команде в реальном времени

Автоматически добавлена на сайт: 24 авг 2025, 14:18



Boston Dynamics представила впечатляющий скачок в разработке человекоподобных роботов, показав на примере робота Atlas, как искусственный интеллект позволяет роботу не только двигаться, но и выполнять длительные и сложные манипуляции с объектами — всё это под контролем обучаемых больших поведенческих моделей (LBMs), созданных совместно с Toyota Research Institute (TRI). Обучение таких моделей строится на анализе данных как с реального Atlas, так и из компьютерных симуляций, а используемые нейросети способны интерпретировать текстовые команды — теперь роботу достаточно дать простое текстовое задание, и он самостоятельно определяет оптимальную последовательность действий. Ключевой подход Boston Dynamics — использование единой нейросети, работающей с данными операторов, управляющих Atlas в реальном времени с помощью VR-гарнитур, и синтетических данных из симуляций. Такой симбиоз делает поведение робота гораздо более гибким и универсальным: вместо написания новых программ для каждой задачи Atlas учится выполнять сразу комплекс действий на основе общего алгоритма управления, который реагирует на непредвиденные ситуации и ошибки в процессе работы. Робот Atlas и робот Spot. Фото: Boston Dynamics Весь процесс разработки делится на четыре этапа: сначала специалисты управляют роботом вручную и собирают данные, затем — аннотируют их для последующего обучения нейросети, запускают само обучение и, наконец, тестируют результаты. Вся система базируется на принципах максимально широкого охвата поведенческих задач, универсальности управления и возможности быстрой итерации решений. Особое внимание уделяется тому, чтобы Atlas осваивал задачи разной сложности: от манипуляций пальцами, работы с небольшими объектами до переноски тяжёлых деталей и взаимодействия с окружающей средой. Система позволяет запускать новые варианты поведения без сложной перепрошивки — достаточно внести изменения в используемые модели. Инфраструктура обучения соединяет симуляцию и физические тесты, помогая быстро отрабатывать и отбирать новые навыки для реальных применений. Недавние демонстрации показали, как Atlas справляется с координацией движений, собирает, перекладывает и перемещает детали, исправляет ошибки, если обстоятельства внезапно меняются (например, если упал предмет). Модель с 450 миллионами параметров обрабатывает не только текстовые инструкции, но и сигналы сенсоров встроённых датчиков положения и усилий в конечностях. За счёт использования общей

ЗДЕСЬ МОЖЕТ БЫТЬ ВАША РЕКЛАМА

Разместить рекламу за 5 ₽/день