Boston Dynamics совместно со специалистами по искусственному интеллекту из Toyota Research Institute (TRI) объявили о значительных успехах в разработке поведенческих моделей нового поколения — так называемых Large Behavior Models (LBM) — для человекоподобного робота Atlas. Проект нацелен на создание сквозных (end-to-end) алгоритмов, управляемых естественным языком, которые позволят роботу выполнять сложные многоэтапные операции с объектами.
По словам команд разработчиков, основная идея LBM — это объединение высокоуровневого планирования, восприятия и низкоуровневого моторного управления в единую модель, способную воспринимать команды в естественной форме и последовательно реализовывать их в физическом мире. В результате Atlas должен уметь не только повторять заранее запрограммированные сценарии, но и адаптироваться к неожиданным ситуациям, разбирать задачу на шаги и корректировать действия в реальном времени.
Что это означает на практике
-
Управление на естественном языке. Оператор сможет отдавать сложные инструкции на человеческом языке (например, «подготовь рабочую зону, затем перенеси коробки на полку и закрепи их»), а LBM преобразует команду в набор упорядоченных действий.
-
Многошаговые операции с объектами. Модель ориентирована на задачи, где требуется последовательность манипуляций — хват, перенос, установка, поправка ориентации предмета и т. п.
-
Сквозная обработка восприятия и управления. LBM объединяет данные с датчиков (камера, лидар, тактильные сенсоры) с планированием движения и контролем манипуляторов в едином потоке.
Технологические подходы и вызовы
Команды, скорее всего, применяют сочетание методов — крупные нейронные модели высокого уровня (аналогично LLM для текста) в сочетании с техниками обучения с подкреплением, имитационного обучения и сим-ту-риал переноса (sim-to-real). Главные технические вызовы — надёжное восприятие в сложной сцене, точное управление многосоставными хватами, быстрое восстановление после ошибок и обеспечение безопасности при взаимодействии с людьми и окружающей средой.
Развитие LBM для Atlas открывает перспективы для логистики и складов, сервисной робототехники, помощи в строймонтаже и по мелкоузловому производству, а также для спасательных операций в опасных зонах. Важным остаётся соблюдение стандартов безопасности и этических норм при внедрении подобных систем.
Разработчики продолжают тестирование в симулированных и реальных средах; для практического развёртывания потребуется дополнительный объём данных, длительная отладка систем безопасности и проверка надёжности в промышленных условиях. Конкретных сроков внедрения пока не опубликовано.