Институт AIRI представил в открытый доступ action-модель Vintix, которая обрабатывает втрое больше данных, чем решения от Hugging Face и Google DeepMind. Она способна к самообучению и адаптации даже в условиях неполных данных, что делает ее перспективной для промышленного использования.
Ученые AIRI выложили в открытый доступ отечественную action-модель Vintix, которая превосходит аналоги — JAT от HuggingFace и GATO от Google DeepMind — по объему обрабатываемой информации в три раза. Vintix не только решает конкретные задачи, но и способна к самокоррекции и самоулучшению. Ее архитектура устойчива к шуму и частичной наблюдаемости среды, что позволяет эффективно работать с задержками и неполными данными — это критически важно для промышленного применения. Action-модели — это тип ИИ, который принимает решения о действиях на основе данных из окружающей среды. Они используются там, где ИИ должен управлять поведением агента — робота, программы или конвейера — и адаптироваться к ситуации, а не просто следовать скрипту.
Vintix использует подход ICRL (In-Context Reinforcement Learning), позволяющий адаптироваться к новым задачам прямо во время инференса — этапа, когда обученная модель применяется для обработки новых данных. В AIRI подчеркивают, что это принципиально отличается от классического обучения с подкреплением: модель не просто имитирует эксперта, а корректирует свое поведение «на лету», что открывает возможности для самосовершенствования.
Наибольшее преимущество Vintix проявляется в задачах с роботами-манипуляторами, где прирост эффективности достигает в среднем 32% (от 20 до 40% в зависимости от задачи). В системах устойчивого движения улучшение менее заметно — около 12%, но все же значимо.
Эксперты отмечают перспективность подхода ICRL. Даниил Гаврилов из T-Bank AI Research называет Vintix шагом вперед в масштабировании этой технологии, так как модель работает не только в синтетических условиях, но и в реальных доменах. В «Яндексе» подчеркивают, что разработка особенно важна для промышленности: способность к адаптации в динамичных условиях может оптимизировать производство, сокращая время на перенастройку оборудования и минимизируя человеческие ошибки.