AgiBot представила систему обучения роботов SOP на реальных задачах

Как устроена SOP

AgiBot описывает SOP как масштабируемое дообучение vision-language-action-моделей после первичной подготовки. Несколько роботов параллельно выполняют задачи в разных местах, отправляют удачные и неудачные попытки, а также данные вмешательств оператора в общий вычислительный контур.

Облачный модуль объединяет новый опыт с заранее собранными демонстрациями, обновляет модель и периодически передаёт свежие параметры роботам. По замыслу разработчиков, это позволяет не останавливать парк устройств ради отдельного цикла сбора данных и обучения.

Какие результаты сообщает компания

В публикации приводится эксперимент с ограничением обучения тремя часами. По данным AgiBot, группа из четырёх роботов достигла успешности 92,5 процента — примерно на 12 процентных пунктов выше результата одного робота — и дошла до целевого уровня в 2,4 раза быстрее.

Компания также пишет, что система улучшала работу с длинными последовательностями действий и восстанавливала показатели после переноса в незнакомую среду. Среди примеров названы складывание ткани и сборочные операции. Все эти цифры получены командой разработчика; независимого воспроизведения и полного описания выборки в новости нет.

Почему подход важен

Обычное дообучение робота часто идёт последовательно: сначала собираются данные, затем модель обновляется и снова проверяется. SOP предлагает замкнуть этот цикл и использовать параллельную работу парка устройств. Такой подход может быть полезен там, где одна и та же политика должна осваивать несколько операций и учитывать различия между площадками.

Однако общий обмен опытом создаёт дополнительные требования к качеству разметки, контролю ошибок и безопасному откату модели. В сообщении не раскрыты вычислительные затраты, объём сетевого обмена и правила допуска обновлений к реальным устройствам.

Что остаётся проверить

Заявленные 92,5 процента относятся к экспериментальной конфигурации, а не ко всем задачам и средам. Для оценки практической ценности SOP нужны данные о длительных испытаниях, числе вмешательств оператора, стабильности после обновлений и поведении при редких ошибках. Пока это исследовательская система, показанная разработчиком, а не доказательство полностью автономного обучения любого парка роботов.