Робота научили новому навыку по одному видео с человеком: 29…

Робот-иммитатор: хватит 29 секунд и одной записи, чтобы скопировать человека

Представьте: вы показываете роботу одно-единственное видео — и он почти мгновенно понимает, что от него хотят. Никаких сотен повторений, никакой мучительной «натаски» модели. Звучит как фантастика, но исследователи из X Square Robot превратили это в рабочий прототип. Их метод HOST (Human-to-robot One-Shot Skill AcquisiTion) стирает грань между наблюдением и действием. Робот больше не ученик-троечник, который запоминает алгоритм после пятидесяти тычков носом в стол. Теперь это скорее талантливый ассистент, которому достаточно одного взгляда на экран, чтобы уловить суть.

Цифры здесь — не просто статистика, а диагноз текущему положению дел в робототехнике. Среднее время «осмысления» нового навыка — 29 секунд. Успех с первой попытки — 62%. На первый взгляд, скромно. Промышленность требует 95% надёжности, и тут до идеала как до Луны. Но давайте честно: мы привыкли к другому подходу. Обычно робота либо «кормят» тысячами размеченных примеров, либо вручную прописывают каждое движение сустава. HOST ломает эту логику. Он не учится заново — он адаптируется на лету, используя уже готовую, замороженную нейросеть как универсальный переводчик с «человеческого» на «роботский».

Технически это изящный трюк. Система не переписывает веса модели, а превращает видео в контекстный промпт. Вы берёте запись, где человек, допустим, перекладывает деталь из левого лотка в правый, и алгоритм мгновенно «проецирует» эту последовательность на сенсорную картину мира машины. Где у человека рука — там у робота манипулятор. Где усилие хвата — там параметры сервоприводов. Одна демонстрация, один пас — и готов план действий. Никаких итераций, никакого градиентного спуска, никаких циклов обратной связи.

Но самое интересное начинается, когда смотришь на сравнительные тесты. Без подсказок, в режиме zero-shot, робот был беспомощен — лишь 17% успешных исходов. А классический подход, требующий 50 демонстраций для тонкой настройки, даёт результат выше, но требует колоссальных временных затрат. HOST же балансирует между скоростью и качеством, предлагая практическую альтернативу для сред, где важна быстрая перестройка. В мире, где задачи меняются каждый час, возможность «обучить» робота по одному видео — это уже не просто исследование, а фундамент для новой философии человеко-машинного взаимодействия. Пока — лишь 62%, но важно не это. Важно, что мы впервые видим систему, которая не учится, а _понимает_. И это, знаете, гораздо более опасная и захватывающая территория.

Читайте также: