15 дней полного прозрачного обучения: Motubrain 2.0 открывает «чёрный ящик» Physical AI
15 дней полного прозрачного обучения: Motubrain 2.0 открывает «чёрный ящик» Physical AI 💡 21 октября команда World Model компании Shengshu Technology (Motubrain) официально запустила прямую трансляцию полного цикла обучения модели Motubrain 2.0. Это событие продлится две недели и станет беспрецедентным шагом в индустрии Physical AI. Ранее подобные детали были доступны лишь фрагментарно: например, руководитель проекта MiMo в Xiaomi, Ло Фули, делилась прогрессом этапа обучения с подкреплением для MiMo-V2.6, но масштабная открытость процесса, которую демонстрирует Shengshu Technology, выходит за рамки стандартных практик. ⚡ Physical AI, или физический искусственный интеллект, нацелен на понимание роботами физической среды и выполнение реальных задач. В отличие от больших языковых моделей, здесь критически важны принятие решений о действиях, исполнение задач и генерализация навыков в разных сценариях. Серия моделей Motubrain разработана для создания универсального «мозга» роботов, способного адаптироваться к различным задачам, окружениям и типам робототехнических платформ. 🤔 Перед официальным открытием исходного кода (open-source) команда решила показать весь путь развития модели: от начального обучения до итеративного улучшения возможностей. Трансляция охватывает четыре ключевых этапа: предобучение (анализ влияния масштаба данных на производительность и zero-shot генерализацию), постобучение (специализация под конкретные задачи), выполнение агентных задач (перенос опыта на новые сценарии) и эксперименты с RSI (Recursive Self-Improvement), где модель оценивает и корректирует свои действия на основе обратной связи. 📌 Что это значит на практике: Прозрачность процесса обучения позволяет исследователям и разработчикам видеть не только финальные результаты, но и ошибки, попытки и корректировки на каждом этапе. Это способствует более глубокому пониманию механизмов масштабного обучения, кросс-задачной генерализации и автономного улучшения, что критически важно для развития парадигмы Physical AI. 🚀 Команда Shengshu Technology подчеркивает, что исследование находится на этапе активного поиска, и окончательные результаты потребуют дальнейшей верификации. Однако демонстрация того, как формируется способность модели, имеет не меньшую научную ценность, чем показ финальных возможностей робота. Прямая трансляция доступна по адресу www.motubrain.com/motubrain2.0-live, а основная информация — на сайте www.motubrain.com. Перевод и адаптация: AI Lab. Источник: QbitAI (量子位), https://www.qbitai.com/2026/10/504730.html #AI #PhysicalAI #Robotics #OpenSource #ShengshuTechnology #Motubrain