«Сбер» представил GreenWAM — модель искусственного интеллекта, которая не только управляет роботом, но и прогнозирует, как изменится окружающая обстановка после его действий. На испытаниях с человекоподобным роботом Грином успешность выполнения задач достигла 95,6%.
GreenWAM объединяет два направления: управление роботом и моделирование окружающего мира. Получая задание, система формирует команды и одновременно прогнозирует, что произойдет после их выполнения. Такой подход помогает роботу оценивать последствия движений и лучше действовать в незнакомых условиях.
Модель обучали на данных 20 семейств роботов — от двуруких манипуляторов до человекоподобных машин с кистями. Чтобы использовать опыт разных устройств, разработчики представили их действия в едином формате и добавили в архитектуру отдельный модуль выбора действий.
GreenWAM проверили в нескольких виртуальных тестах. В международном тесте WorldArena 1.0 модель заняла второе место среди 128 участников по сходству предсказанного видео с реальной записью. Она также точнее воспроизводила геометрию сцены, чем сравниваемые модели NVIDIA, Стэнфордского университета и AgiBot.
В тесте RoboTwin 2.0 GreenWAM успешно выполнила 67,5% задач против 58,4% у модели π0.5 компании Physical Intelligence. В тесте LIBERO-plus, где меняются освещение, положение камер, фон и формулировки команд, результат составил 86,8% без дополнительного обучения.
Затем разработчики испытали модель на роботе Грине. В знакомых условиях она справилась с 95,6% задач, тогда как у модели NVIDIA Cosmos 3 Edge, обученной на тех же данных, результат составил 88,9%. В новых условиях показатели достигли 84% и 80% соответственно.
Команда также подготовила ускоренную версию GreenWAM для работы в реальном времени. Она работает в 12,3 раза быстрее исходной модели, а успешность выполнения задач на роботе снижается лишь с 95,6% до 91,1%.
«Для практического применения роботов искусственный интеллект должен распознавать окружающие объекты, выполнять команды и прогнозировать последствия своих действий. Особенно это важно в меняющихся условиях, когда роботу нужно оценивать новую обстановку и корректировать свои движения. В GreenWAM мы объединили эти возможности в одной модели. Дополнительное обучение на робототехнических данных помогло улучшить и прогнозирование, и качество управления».
Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка
Эксперименты показали, что способность прогнозировать изменения окружающего мира помогает роботу эффективнее выполнять команды, особенно при изменении условий. При этом обучение на робототехнических данных улучшает не только управление, но и точность прогнозов.
Читайте также: В России запустили ИИ-ассистента по здоровому образу жизни