Will Knight vrea un robot care să-i hrănească pisica. Jurnalistul senior de la WIRED, specializat în inteligență artificială, are o pisică bengaleză pe nume Leona și un plan: un robot mic, cu picioare, care s-o găsească, să-și plece capul și să-i ofere o recompensă dintr-un compartiment imprimat astfel încât să stea deasupra lui. Recompensa nu e știrea. Știrea e că robotul funcționează deja în software, iar un model AI a făcut cea mai mare parte din antrenamentul pe care, în mod normal, un inginer în robotică l-ar face manual.

Robotul este un Microduck virtual, bipodul în formă de rață creat de Pollen Robotics, divizia de robotică a Hugging Face. Knight l-a învățat să se deplaseze printr-o cameră fără să se răstoarne și să identifice orice pisică bengaleză din apropiere. Spune că sarcina a durat câteva ore, deși altădată i-ar fi putut lua săptămâni. În rubrica sa, el numește asta viitorul roboticii. Are dreptate pe jumătate. Bucla de antrenare s-a comprimat. Ce se află de o parte și de alta a ei nu s-a schimbat prea mult.

Ce a făcut, de fapt, modelul

Knight a conectat GPT-6 Sol de la OpenAI la Hermes, un cadru de lucru pentru agenți dezvoltat de Nous Research, care rula pe Nvidia DGX Spark, un computer desktop construit în jurul unui cip AI puternic. Modelul a făcut mai mult decât să scrie cod. Prin Nvidia Isaac Sim, a trimis instrucțiuni modelului care controla rața simulată, a urmărit înregistrări video cu aceasta în acțiune, a evaluat cum decurgeau lucrurile și a sugerat modificări ale regimului de antrenare. Rulează, observă, ajustează, repetă: aceasta este partea lentă și lipsită de strălucire a învățării unui robot — și tocmai ea a fost automatizată.

Laboratoarele profesionale observă aceeași schimbare. La UC Berkeley, echipa profesorului Ken Goldberg i-a oferit modelului Astra de la OpenAI acces la un instrument Nvidia numit Newton, i-a arătat un clip cu un robot real și i-a cerut să refacă scena sub forma unei simulări. „Ce ne-a uimit pe toți a fost că, în mai puțin de o oră, realizase o simulare 3D completă, cu toți parametrii configurați — poziția camerei, iluminarea, fundalul, toate materialele”, i-a spus Goldberg publicației WIRED. Astra poate, de asemenea, să ruleze experimentele și să analizeze rezultatele, spune el, preluând astfel o mare parte din munca anevoioasă pe care o presupune antrenarea unui robot în simulare.

Metoda are acum și un nume. ASPIRE, un cadru de lucru ai cărui autori îi includ pe Goldberg și Jim Fan de la Nvidia, folosește un model lingvistic de mari dimensiuni pentru a scrie codul de control al unui robot, a citi jurnalele de execuție atunci când acesta dă greș, a repara programul și a salva soluția funcțională într-o bibliotecă de abilități, pe care o pot reutiliza sarcini ulterioare. La mijlocul lunii octombrie, laboratorul lui Fan de la Nvidia a publicat pe GitHub codul versiunii 1.0, sub licență Apache 2.0, potrivit ToolNavs și RuntimeWire. Într-o demonstrație, brațe robotice învață să rezolve un cub Rubik. „Îl apucă, încearcă să-l rotească, dar unghiul nu e cel potrivit”, i-a spus Fan publicației WIRED. „Apoi raționează foarte, foarte mult timp, dar până la urmă reușește să-l rezolve, pentru că învață abilitățile în timp.”

Abilitatea care a devenit ieftină e închiriată

Iată ce trece cu vederea prezentarea roboticii drept „vibe robotics”. Articolul despre ASPIRE spune limpede că performanța sa depinde de modelul de frontieră pe care se bazează. Folosit împreună cu Claude Opus 5.5 de la Anthropic, sistemul raportează o rată medie de succes de 99% în toate cele 80 de sarcini de manipulare LIBERO-Pro — o cifră raportată de autori, care nu a fost încă reprodusă independent. Lista de limitări publicată de echipa proiectului precizează că sistemul depinde de un model de frontieră înghețat și că nu s-a verificat dacă modelele mai mici pot susține aceeași buclă de depanare.

Urmăriți logica până la capăt. O rață construită de un pasionat și un braț dintr-un laborator de la Berkeley învață acum cam atât de bine pe cât le permite modelul mare la care pot apela. Expertiza inginerească ce punea până acum bariere în calea roboticii nu a dispărut. O mare parte din ea se află acum în modelul de frontieră pe care constructorul își permite să-l folosească.

Rața încă așteaptă la coadă

Cealaltă parte a buclei ține de hardware, iar Knight încă îl așteaptă pe al său. Pollen a deschis precomenzile pentru Microduck la prețul de 399 de dolari, la sfârșitul lunii august, cu livrare promisă înainte de Crăciun. Business Insider a relatat, citându-l pe cofondatorul Hugging Face, Thomas Wolf, că comenzile au depășit 2,6 milioane de dolari în primele 24 de ore, iar pagina de comandă a trecut curând la un termen de livrare de patru până la șase luni pentru comenzile noi. Gadget Flow relatează că magazinul avertizează acum că precomenzile actuale nu vor fi expediate înainte de aprilie 2027. Antrenarea în simulare este metoda avută în vedere: fluxul de lucru al Pollen le permite proprietarilor să antreneze comportamente pe o rață virtuală și apoi să le transfere pe robotul fizic. Dar o politică de control care așteaptă un corp nu a întâlnit încă un covor, piciorul unei canapele sau o pisică ce refuză să coopereze.

Knight vorbește deschis și despre restul problemelor. Sistemul de viziune al raței sale, scrie el, nu funcționează suficient de bine pentru a fi folosit într-un produs real. Când i-a dat modelului un GIF cu Michael Jackson, ca să-l învețe celebrul mers pe lună, orele de efort au produs ceea ce el numește un fel de jogging înapoi, foarte vioi. Autorii ASPIRE enumeră aceeași categorie de lacune în perspectiva utilizării în lumea reală: detectarea fiabilă a reușitei, resetări sigure, monitorizarea siguranței și calibrarea. Toate țin de capacitatea de a ști ce s-a întâmplat cu adevărat într-o încăpere fizică — exact lucrul pe care un simulator nu ți-l poate spune.

În ce direcție se îndreaptă banii

Nimic din toate acestea nu temperează interesul. Goldberg spune că mai multe companii din domeniul roboticii industriale și al automatizării și-au manifestat interesul pentru această abordare, iar Knight susține că viteza ar putea avea în curând un impact major asupra producției și comerțului electronic. Săptămâna aceasta, la Conference on Robot Learning din Austin, Fan a folosit discursul principal pentru a arăta cum Astra preia controlul unui braț robotic și pictează Golden Gate Bridge cu vopsea și pensule găsite în apropiere.

Consecința este o schimbare a locului în care apar greșelile. Când antrenarea unui comportament pentru un robot durează ore, nu săptămâni, echipele vor antrena mult mai multe, iar etapa dificilă va deveni să demonstreze care dintre ele sunt sigure în afara simulatorului. O recompensă care nu ajunge în bolul Leonei e o lecție ieftină. Un braț dintr-un depozit, care folosește o abilitate scrisă de un model și neverificată în spațiul real, e o lecție costisitoare.

Etichete: știri, nvidia, Hugging Face, Microduck, Pollen Robotics, roboți