В робототехнику пришел embodied ICL: стартапы делают ставку на контекст

Шесть лет спустя после GPT-3 история in-context learning повторяется в робототехнике. В августе Skild AI показала модель S1, которая после одного демонстрационного видео берется за незнакомые задачи без тонкой настройки и дообучения, вплоть до десятиминутных цепочек действий. Компания Generalist AI незадолго до этого представила GEN-1.5 с похожей способностью: робот смотрит один пример и осваивает движение за секунды. Идея ICL, известная по большим языковым моделям, теперь приходит в физический мир.

Для роботов контекст сложнее, чем для языка: он мультимодальный, а задачи не марковские — текущее решение зависит от того, что происходило несколько минут назад. Поэтому дискуссия о контекстном масштабировании только начинается. Пионером направления в Китае стала компания COCO Matrix, основанная в апреле 2026-го предпринимателем Гао Юйсяном. Он уверен, что ставку на ICL нужно делать на уровне предобучения, а не пост-обработки.

Вместо того чтобы бесконечно наращивать окно контекста, стартап делает упор на понимание: модель сама решает, какие фрагменты истории важны, и сжимает их. Для этого COCO Matrix разрабатывает условные визуальные представления — интерпретация картинки меняется в зависимости от намерения робота. По словам основателя, первые эксперименты подтвердили подход, а главный дефицит сейчас — данные о совместной работе человека и робота: как фиксировать исправления и синхронизировать речь и действия. Если эти проблемы удастся решить, контекст действительно станет новой осью развития роботов.