Добавь сайт в закладки! Инструкция по ссылке.
ИИ всё ближе к физической автономии
Компания Anthropic провела обновлённый эксперимент Project Fetch, в котором сравнила способность своих языковых моделей и людей без опыта в робототехнике управлять «робопсом».
На первом этапе проекта в августе 2025 года сотрудники компании, разделённые на группы с доступом к модели Claude Opus 4.1 и без него, выполняли ряд задач: подключение к сенсорам робота, управление через контроллер, написание программ для автономного движения и создание системы отслеживания объекта. Группа с доступом к ИИ значительно опередила другую по скорости и эффективности выполнения задач.
Тем не менее, даже тогда модель не могла полностью автономно управлять роботом и сталкивалась с базовыми инженерными задачами, такими как подключение к системе управления.
На втором этапе эксперимента исследователи протестировали более новую модель Claude Opus 4.7 в условиях частичной автономии. В отличие от первой версии, модель уже самостоятельно генерировала программные решения для управления роботом, а участие человека сводилось к подключению ноутбука, вводу стартового запроса и подтверждению команд.
Результаты оказались значительно более выраженными: Claude Opus 4.7 выполнял задачи минимум в 10 раз быстрее любой команды людей из первой фазы. Если учитывать только задачи, которые решались обеими человеческими группами, ускорение достигало более 37 раз по сравнению с командами без ИИ и более 18 раз по сравнению с командами, работавшими вместе с Claude.
Модель продемонстрировала способность быстро выбирать архитектуру решения для взаимодействия с сенсорами робота и генерировала эффективный код с первого раза почти всегда. При этом объём сгенерированного кода оказался почти в десять раз меньше, чем у команд, работавших с участием ИИ в первой фазе.
При этом исследователи подчеркивают, что речь не идёт о решённой задаче в области робототехники. Модель всё ещё испытывает трудности с точным управлением движением робота при выполнении задачи «fetch» — возврата мяча в заданную зону. В частности, система иногда использовала неоптимальные алгоритмы распознавания объектов и не всегда обеспечивала стабильное управление траекторией движения.
Эксперимент также демонстрирует, что улучшения не были результатом целевой оптимизации именно под робототехнику. По оценке Anthropic, повышение эффективности связано с общим масштабированием моделей, а не с узкоспециализированной разработкой.
Авторы отмечают важную динамику, которую уже наблюдали ранее в других областях: сначала модели усиливают идеи человека, затем человек помогает модели, и на следующем этапе модель начинает самостоятельно выполнять задачи в новой среде. Подобная траектория уже наблюдалась в программировании и кибербезопасности, а теперь начинает проявляться в физическом взаимодействии с реальными объектами.
В то же время исследователи акцентируют внимание на ограничении: текущие модели пока не способны стабильно реализовывать сложные замкнутые системы управления, где требуется постоянная корректировка действий на основе обратной связи от среды — то, что люди выполняют интуитивно при ручном управлении роботом.
Несмотря на это, результаты Project Fetch указывают на формирование начального этапа «агентного ИИ в физическом мире», где языковые модели начинают использовать готовые аппаратные инструменты так же, как раньше научились работать с программными средами.
В Anthropic полагают, что следующий шаг развития будет связан не только с улучшением скорости выполнения задач, но и с возможностью моделей самостоятельно проектировать более специализированные системы управления для роботов. Пока это направление остаётся ограниченным, но стремительное развитие возможностей моделей показывает, что переход к более автономному взаимодействию с физическим миром уже перестал быть исключительно теоретическим сценарием.
ИсточникПоделись видео: