AI-agentek programozhatnak ipari robotokat nagy mennyiségű betanító adat nélkül
Ipari robotprogramot hetek alatt írtak meg eddig, az AI-agentek viszont szimulációban tesztelve, betanító adathalmaz nélkül is képesek lehetnek erre.
Az ipari robotcellák programozása hagyományosan a tervezés és a gyártás végére marad, így a szoftvercsapatok gyakran a határidő előtt kapkodnak. Az UC Berkeley és az NVIDIA nyílt forráskódú eszközöket adott ki, amelyekkel AI-kódoló agentek csapata írhat, szimulálhat és finomíthat olvasható robotprogramokat — írja a The Robot Report.
Mi az új megközelítés
A Graph-as-Policy (GaP) keretrendszer a feladatot képességekre bontja: érzékelés, fogásterv-készítés és ütközésmentes mozgás. Az agentek ezeket generálják, összekapcsolják és szimulációban begyakorolják. A VABAR nevű teljesítményteszt hat feladatot tartalmaz, többek között szerszámrendezést, fogaskerék-illesztést és kábelbetáplálást, az Isaac Lab-Arena és a Newton motorra építve.
Ken Goldberg, a Berkeley mérnöki tanszékének professzora szerint az agentalapú robotika alapvető váltást jelent: a hatalmas adatgyűjtés és a viselkedések kézi hangolása helyett az agentek gyorsan generálnak, tesztelnek és finomítanak programokat, amelyeket a mérnökök ellenőrizni tudnak. A módszert a CoRL 2026 konferencián mutatták be Austinban.
Egy órás szimulációs eredmény
Goldberg szerint Eric Chen, egyik doktorandusza készített egy új felületet, a RoboSimStudio-t a Newton szimulátorhoz, amely korábban rendkívül bonyolult volt, több száz paraméterrel. Egy új frontier modellnek adták az eszközt és egy videót; a modell iteratív próbálkozásokkal, mintegy egy óra alatt olyan Newton-szimulációt állított elő, amely közel állt a videóhoz. Ez egyetlen, Goldberg által leírt eset, nem kontrollált kiértékelés.
Goldberg hangsúlyozta, hogy a szimuláció nélkül az agent nem tudná javítani a kódot: a meglévő eszközök szerinte "nem voltak túl megbízhatók és sok problémájuk volt". Az agentek hurokban dolgoznak: írnak kódot, szimulációban tesztelnek, látják a hibát, és javítanak. A rendszer kimenete Python kód, amely a meglévő gyártói moduljait (például a KUKA-ét) hívja az alacsony szintű vezérléshez; nem váltja fel a robotvezérlőket.
A VABAR hat feladatán túl az általánosíthatóság nyitott kérdés, a CoRL 2026 konferencián bemutatott eredmény pedig valós ipari környezetben való működéséről a forrás nem ad részleteket. Az egyetlen mért ellenőrzési pont a hat VABAR-feladat és az egyórás RoboSimStudio-eset marad.