Önmagát fejleszti a robotprogramok írásával az NVIDIA új rendszere

Az NVIDIA kutatói bemutatták az ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) nevű rendszert, amely képes önállóan robotvezérlő programokat írni és javítani. A hagyományos robotprogramozás nehézkes skálázhatóságát kiküszöbölő keretrendszer a hibákból tanultakat újrahasznosítható tudásként tárolja, így a rendszer folyamatosan fejlődik. (MarkTechPost)

Az ASPIRE rendszere három komponensből áll, és nyílt tanulási ciklusban működik. Egy központi koordinátor kezeli a megosztott tudástárat, és kódgeneráló ügynököket küld feladatokra. Ezek az ügynökök nem cserélnek teljes csevegési előzményeket vagy nyers mozgási adatokat, csak a tanult, finomított tudáselemeket. A rendszer zárt hurokú végrehajtó motorja a hagyományos, feladat-szintű visszajelzések helyett minden egyes parancs részletes nyomkövetését rögzíti, beleértve a bemeneteket, kimeneteket, és a hibák okát lokalizáló információkat.

Kapcsolódó: Robotképzési szimuláció

A hibák lokalizálása és javítása

Az ASPIRE képes a hibák okának pontos behatárolására a részletes nyomkövetés alapján, ellentétben a korábbi rendszerekkel, amelyek csak a feladat teljes sikertelenségét jelezték. A hibák kijavítását követően a sikeres javításokat a rendszer egy speciális tudástárba menti, amely heterogén, újrahasználható tudáselemeket tartalmaz. Ezek lehetnek például lokalizációs heur, észleléssel kapcsolatos utasítások, fogási korlátozások vagy mozgásparancsok. A tudástárba csak olyan minták kerülhetnek be, amelyek megfelelnek a hibakeresési és API-szabályoknak.

Kapcsolódó: Robotikai AI együttműködés

A rendszer evolúciós keresési mechanizmust is használ, hogy elkerülje a lokális javítási ciklusokat, ahol az ügynök ugyanazt a hibás stratégiát javítgatja újra és újra. Minden körben több jelölt programot generál, amelyek a korábbi sikeres programokon és a fennmaradó hibanyomvonalakon alapulnak, így szélesebb körű megoldásokat fedezhet fel.

Kapcsolódó: Humanoid biztonság

Eredmények és teljesítménytesztek

Szimulációs környezetben az ASPIRE-t a Claude Code (Claude Opus 4.6) és egy 1 millió tokenes kontextusablakkal rendelkező modell futtatja, CaP-X keretrendszerben, amely a MuJoCo Playgroundra épül. A rendszer nem fér hozzá a szimulátor belső adataihoz, csak olyan információkat használhat, amelyek egy valós robot számára is elérhetők lennének. A LIBERO-Pro teszten az ASPIRE akár 77 pontos javulást ért el az Object szuittesztben, és 31%-os nullakörös (zero-shot) teljesítményt mutatott a korábban nem látott, hosszú távú feladatokon, míg a korábbi módszerek 4% körül teljesítettek.

Kapcsolódó: Star Elastic változatok

A Robosuite teszteken a bimanulális átadás (handover) sikessége 20%-ról 92%-ra nőtt, a BEHAVIOR-1K feladatoknál pedig a rádiófelvétel 56%-ról 88%-ra javult. A kutatók három, szimulációban felfedezett tudáselemet egy valós roboton is teszteltek, ahol a korábbiakhoz képest jelentősen csökkent a hibakeresési költség.

Kapcsolódó: Stable Diffusion NIM

Az NVIDIA kutatói szerint az ASPIRE rendszer a robotprogramozás hatékonyságát és skálázhatóságát jelentősen javítja. A rendszer valós robotokon is sikeresen használható, és a hibakeresési költségek csökkenése további alkalmazási lehetőségeket nyit meg.