A kínai AgiBot, amely korábban már a hírekbe került egy Guinness-rekorddal, bemutatta legújabb fejlesztését, a Go-3 Previewt. Az új modell egy fizikai testtel rendelkező mesterséges intelligencia (embodied AI), amelynek célja, hogy támogassa a robotok folyamatos tanulását, új készségek elsajátítását és az ismeretlen feladatokhoz való alkalmazkodását.
Műszaki alapok és teszteredmények
A Go-3 Preview a World Reasoning Action Model (WRAM) nevű architektúrát használja. A WRAM összekapcsolja a feladatokkal kapcsolatos következtetést, az eredmények előrejelzését és a cselekvések generálását, így komplex döntéshozatali és cselekvéstervezési feladatok megoldására alkalmas.
A modellt három, kifejezetten fizikai testtel rendelkező mesterséges intelligencia teljesítményét mérő benchmarkon vizsgálták: RoboDojo, RoboTwin és RoboColiseum. AgiBot közlése szerint a Go-3 Preview mindhárom teszten az eddigi legmagasabb pontszámot érte el.
Oktatás és folyamatos tanulás
A vállalat azt tervezi, hogy a modellt 2026 végéig nyílt forráskódúvá teszi, hogy szélesebb körben legyen alkalmazható.
A Go-3 Preview az előképzés (pre-training), az utóképzés (post-training) és az alkalmazás (deployment) fázisát is szolgálja a folyamatos tanulás támogatása érdekében. A cég kétféle betanítási adatforrást kombinál: emberi szemszögből rögzített videókat, amelyek bemutatják, hogyan lépnek kapcsolatba az emberek tárgyakkal, valamint a robotok mozgáspályáit, amelyek összekapcsolják a vizuális megfigyeléseket a fizikai cselekvésekkel és azok eredményeivel. Az AgiBot célja, hogy a különböző tapasztalati forrásokat olyan általánosítható készségekké alakítsa, amelyeket robotok korábban nem látott feladatoknál is alkalmazni tudnak.
Az előképzés során a modellt arra alakították, hogy ismeretlen feladatokat hajtson végre különféle környezetekben, például konyhákban vagy több robot által használt munkaterületeken. A cég állítása szerint a Go-3 Preview képes összetett, ügyességet igénylő feladatok végrehajtására anélkül, hogy minden egyes új tevékenységhez külön finomhangolásra lenne szükség.
Genie Evolver és elosztott tanítás
A Go-3 Preview utóképzési fázisához az AgiBot kifejlesztett egy külön rendszert, a Genie Evolvert. A Genie Evolver egy elosztott tanítási platform, amely körülbelül 100 robot adatait egyesíti fizikai szimulációkkal és a fizikai világot leíró modellekkel. A rendszer lehetővé teszi, hogy a robotok gyakoroljanak feladatokat, értékeljék saját teljesítményüket és ismételt próbálkozások révén fejlődjenek.
A cég közlése szerint a rendszer kezdetben 28,2 százalékos hatékonyságot mutatott, de öt napnyi működés után a teljesítmény 85,7 százalékra stabilizálódott.
Miért számít ez?
Ha az AgiBot valóban nyílt forráskódúvá teszi a Go-3 Previewt 2026 végéig, az elősegítheti olyan robotok elterjedését, amelyek többféle munkafolyamatot képesek önállóan elvégezni ipari környezetben. A kombinált adatforrások és az elosztott tanítási megközelítés lehetőséget ad a robotok számára, hogy a valós világ tapasztalatai alapján fejlődjenek, és rugalmasabban alkalmazkodjanak új feladatokhoz.
Az AgiBot fő állításai — a WRAM architektúra alkalmazása, a három benchmarkon elért csúcs eredmények, valamint a Genie Evolver által jelzett gyors teljesítményjavulás — arra utalnak, hogy a vállalat a fizikai testtel rendelkező AI rendszerek gyakorlati alkalmazásának felé lép. A technológia gyakorlati hatása azonban a nyílt forráskódú kiadás és szélesebb ipari tesztek után lesz jobban megítélhető.
