Робот-гуманоид впервые сам обучился работать в магазине без инженеров

В мире физического искусственного интеллекта произошло событие, которое отрасль ждала давно: концепция «рекурсивного самосовершенствования» вышла за пределы симуляторов и лабораторных полигонов и впервые была проверена в реальном бизнес-процессе — в обычном круглосуточном магазине. Китайская компания Agibot (известная также как Zhiyuan) представила фреймворк Genie Master для воплощённых агентов, который позволил их роботу-гуманоиду по имени «Джинни G2» самостоятельно справляться с нестандартными ситуациями, возникающими в работе за прилавком. Это уже четвёртый анонс в рамках технологической волны AI WAVE, запущенной компанией 22 октября, и, пожалуй, самый показательный.

Суть нововведения проще всего объяснить на конкретном примере. В одном из магазинов перед роботом стояла задача развесить товар на маленькие крючки на полке. С первого раза ничего не вышло: ценники частично перекрывали обзор, и манипулятор промахнулся. Раньше в такой ситуации пришлось бы вызывать инженера — тот бы диагностировал проблему, переписал программу, добавил данные и заставил робота переучиваться. Но здесь робот поступил иначе. Он проанализировал записи своих предыдущих попыток, выявил, что разрешения камеры на голове не хватает из-за перекрытия ценниками, и изменил стратегию. Сначала левая рука приблизилась к цели, камера на запястье дала крупный план, положение крючка подтвердилось — и только после этого правая рука выполнила захват. Более того, удачный опыт был автоматически сохранён, чтобы в будущем использовать его в аналогичных ситуациях.

За этой способностью «учиться на ходу» стоит фреймворк Genie Master, который компания называет воплощённым агентом. Его ключевая задача — соединить рассуждающий «мозг» верхнего уровня с исполнительным «мозжечком» робота. Агент не просто отдаёт команды, но и понимает физическую обратную связь, а при возникновении трудностей запускает процесс самостоятельного улучшения. Фактически речь идёт о механизме непрерывного совершенствования после развёртывания: робот учится не только в момент выполнения задачи, но и накапливает опыт впоследствии, обновляя собственные стратегии действий. Отраслевая боль, которую решает эта разработка, хорошо известна: попав в реальные коммерческие условия, машины неизбежно сталкиваются с длинным хвостом ситуаций, не покрытых обучением. Каждый такой случай раньше требовал вмешательства инженеров, а чем больше сценариев и сложнее задачи, тем выше нагрузка на разработку и сопровождение. Genie Master переводит часть этой работы на плечи самого агента — от диагностики проблемы до организации тренировки и оценки результата.

Технической основой стал протокол воплощённого исполнения EEP, который задаёт единый интерфейс между агентом и физическим миром. Он описывает четыре типа взаимодействия: какие способности робота доступны для вызова, как передать ему пространственные подсказки и указания на объекты, как получить честную обратную связь о результате действий и как отслеживать ход выполнения задач, в том числе при сбоях и перераспределении работы между несколькими машинами. Благодаря EEP и синхронизации по времени верхний уровень может на лету корректировать указания, а нижний — точно исполнять их и возвращать наблюдения и статус подзадач. Только когда рассуждение, исполнение и обратная связь действительно связаны в единую цепочку, самосовершенствование перестаёт быть теоретической конструкцией.

Дальше начинается самое интересное. Обнаружив, что какая-то операция регулярно проваливается или выполняется слишком долго, агент не ждёт инженера, а использует свободное время магазина для «самоподготовки»: сам решает, что тренировать, как тренировать и как проверять результат. У фреймворка две взаимодополняющие линии. Первая, Harness RSI, отвечает за накопление опыта без изменения весов модели — через оптимизацию подсказок, памяти и правил выполнения. Робот ведёт что-то вроде дневника ошибок, а затем в ходе асинхронной рефлексии превращает записи в более эффективные инструкции, критерии успеха и правила восстановления после сбоев. Именно эта линия сработала в случае с крючками. Вторая линия, Policy RSI, собирает данные реальных выполнений, включая вмешательства оператора, фильтрует и переразмечает их, а затем через обучение с учителем, имитационное или подкрепляемое обучение обновляет саму модель действий — так навык закрепляется уже на уровне «мышечной памяти» робота. Обе линии работают не порознь, а сцепленно, образуя маховик: одна накапливает и структурирует опыт, другая превращает его в устойчивую моторику.

По замыслу разработчиков, это меняет саму парадигму: способности робота больше не «застывают на заводе», а растут по мере работы. Для бизнеса это означает сокращение срока от появления нового запроса клиента до освоения навыка и снижение предельных затрат при масштабировании на новые точки и отрасли. Проверить всё это на практике компания планирует 2 ноября, когда запустит открытую трансляцию из круглосуточного магазина: шесть роботов Джинни G2 будут непрерывно работать в реальной смене без сценария, проходя своеобразный испытательный срок.