Китайская Qianju довела модели мира до реальных роботов

В мире искусственного интеллекта набирает обороты новое направление — так называемые «модели мира», и в эту гонку включились не только западные лаборатории. Пока Янн Лекун настойчиво продвигает идею предсказательных моделей мира, а Ли Фэйфэй со своей World Labs исследует интерактивные трёхмерные среды, китайская компания Qianju Technology, выросшая из среды Университета Цинхуа, объявила о том, что довела подобные разработки до реальных роботов. На прошедшей в Нанкине первой конференции по физическому ИИ и моделям мира, где с докладами выступили лауреат Премии Тьюринга Лекун и Яо Цичжи, компания представила свою предсказательную модель мира Polibrain. Основатель Qianju Гао Хайчуань объяснил ценность технологии простой метафорой: имея карту, можно проложить кратчайший маршрут, но по маршруту невозможно восстановить саму карту. Именно такую «карту» — абстрактное понимание физического мира и законов его изменений — и должна получить машина, чтобы предсказывать последствия своих действий и планировать их, а не действовать методом слепого перебора.

Стоит отметить, что теоретический задел у Qianju появился раньше, чем у команды Лекуна. Ещё в 2025 году компания совместно с исследователями из Университета Цинхуа опубликовала на конференции ICML работу о моделях мира, где рассматривались вопросы идентифицируемости скрытых переменных и предпочтения низких порядков, — примерно на год раньше близкого исследования команды Лекуна. Спустя всего год эти наработки удалось перенести на реальных роботов: от восприятия среды и предсказания действий до автономного планирования и обратной связи по результатам выполнения. Сейчас интеллектуальные возможности адаптируются под четырёхногих, человекоподобных, колёсных и двуруких роботов.

Ключевое отличие Polibrain в том, что модель не стремится досконально генерировать каждый будущий кадр. Для робота, собирающего мусор, не так важно, какого цвета земля и сколько текстур на фоне, — куда важнее, где находится мусор, как соотносится манипулятор с целью и как захват изменит состояние объекта. Поэтому модель концентрируется на предсказании тех факторов, которые действительно влияют на действие, работая в пространстве скрытых представлений, связанных с задачей. При этом восприятие среды, понимание состояния, предсказание действий, принятие решений, выполнение и корректировка по обратной связи замыкаются в непрерывный цикл: если результат расходится с прогнозом, модель переоценивает задачу и корректирует дальнейшие шаги. На демонстрационном видео четвероногий робот с манипулятором и корзиной самостоятельно ищет мусор на земле, определяет его положение, подъезжает, планирует движение руки и забрасывает добычу в корзину — за внешне простым сценарием стоит целая цепочка решений.

Ещё одна важная идея — возможность повторного использования интеллекта между разными типами роботов. Человекоподобный робот может взять чашку рукой, а колёсный с одной рукой — тоже, хотя устройство и управление различаются. Общие для них — понимание отношений между объектами, целевых состояний и законов изменения среды. Для этого Qianju развивает так называемые полиномиальные представления, позволяющие извлекать из сложной среды действительно значимые переменные и снижать зависимость от несущественных деталей. Гао Хайчуань приводит пример: хозяин уходит из дома и берёт ключи из ящика. Если модель выучит лишь корреляцию событий, она может решить, что стоит хозяину выйти, как ключи исчезают, — и ошибётся, когда её попросят помочь найти забытые ключи. Чтобы отделить запоминание от понимания причин, компания использует математический аппарат, включая работу об условиях, при которых нейросети восстанавливают скрытую структуру мира, и метрику «эффективной степени» для оценки сложности выученных функций. Кроме того, исследуется механизм отбора исторической информации на основе контрфактических выводов: роботу не нужно помнить все увиденные кадры, достаточно сохранить то, что повлияет на будущие действия — например, в какой шкаф положили чашку.

Наконец, архитектура Polibrain построена по принципу слабой связанности: общее понимание мира отделено от конкретных исполнительных возможностей робота. Если человекоподобный робот открывает дверцу стиральной машины рукой, то колёсный с одной рукой может сделать это через систему умного дома. Компания не собирается выпускать собственных роботов — её цель быть «мозгом» для самых разных машин, от универсальных до узкоспециализированных: гостиничных курьеров, официантов, инспекторов, охранников и уборщиков. Такой подход открывает и путь к данным: сначала видео от первого лица и записи действий человека, затем данные с самих роботов и, наконец, обратная связь из реальных сцен. Общая высокоуровневая репрезентация позволила бы разным типам роботов накапливать данные для одной модели и постепенно раскручивать маховик данных. Правда, признаёт Гао Хайчуань, данные для производителей имеют коммерческую ценность, и межкорпоративные барьеры преодолеть непросто. «Карта» уже нарисована, но путь от неё до доставки того самого «лича» в Чанъань ещё долог.