Китайская Shengshu показала в прямом эфире двухнедельное обучение робомозга Motubrain 2.0

Китайская компания «Шэншу Кэцзи» (Shengshu Technology) запустила необычный публичный эксперимент: её команда, работающая над world-моделями и проектом Motubrain, открыла прямой эфир, в котором на протяжении половины месяца будет показывать весь процесс обучения новой модели Physical AI — Motubrain 2.0. Трансляция стартовала 21 октября и, как заявлено, продлится около двух недель. Зрители смогут наблюдать не только финальные демонстрации роботов, но и сам конвейер обучения: от предварительной подготовки модели до этапов дообучения, выполнения агентом задач и попыток системы самостоятельно улучшать собственные действия.

Physical AI, то есть «физический искусственный интеллект», — направление, в котором модель должна понимать окружающую среду и выполнять реальные задачи через роботов. В отличие от больших языковых моделей, здесь приходится решать вопросы принятия решений о действиях, исполнения задач и переноса навыков между разными сценариями. Motubrain — это как раз семейство embodied-моделей, которые в компании называют попыткой построить для роботов универсальный «мозг», способный обобщать умения между задачами, средами и разными типами корпусов роботов. Motubrain 2.0 вскоре должна стать открытой, и до официального релиза команда решила показать, как модель проходит путь от обучения и тестирования до итераций возможностей.

Публичный тренировочный марафон разбит на четыре этапа. Первый — предварительное обучение, где исследователи смотрят, как масштаб тренировки влияет на качество модели и её способность к zero-shot обобщению. Второй — посттренировка под конкретные задачи, которая должна повысить исполнительские навыки. Третий — выполнение задач агентом: здесь проверяется, умеет ли модель переносить уже полученный опыт на другие задания. Четвёртый — исследование так называемого рекурсивного самоулучшения, когда система пытается оценивать и корректировать собственные действия по обратной связи.

Особенность трансляции в том, что она приоткрывает «чёрный ящик» обучения embodied-моделей. Раньше внешняя аудитория судила о прогрессе в этой сфере в основном по демонстрационным роликам роботов, результатам тестов и научным статьям. Как именно шла тренировка и как менялись способности модели на разных стадиях, обычно увидеть было почти невозможно. Motubrain 2.0 обещает показать весь процесс — включая неудачи, пробные подходы и корректировки. Для индустрии это делает разработку прозрачнее: исследователи и разработчики смогут не только увидеть итог, но и разобраться в конкретных проблемах, с которыми столкнулась команда, и в том, как эксперименты и обратная связь помогали улучшать модель.

Сами авторы подчёркивают, что работа пока находится на исследовательской стадии и реальный эффект ещё предстоит подтвердить последующими экспериментами и оценками. Но даже в таком виде открытый показ того, как формируются способности модели, а не только того, что робот умеет в финале, представляет самостоятельную исследовательскую ценность. Трансляция доступна на сайте проекта, там же опубликованы ссылки на официальные страницы Motubrain.