Зачем роботам «мозг»: Zhiyuan запустил Physical RSI в реальном магазине
Зачем роботам «мозг»: Zhiyuan запустил Physical RSI в реальном магазине 💡 Робот Zhiyuan Spirit G2 столкнулся с типичной проблемой: ценник закрывал маленький крючок на полке, и первая попытка повесить товар провалилась. В прошлом здесь потребовался бы визит инженера для отладки кода и дообучения. Однако, благодаря новому агентному фреймворку Genie Master, робот самостоятельно проанализировал записи с камер, выявил недостаток разрешения и перекрытие. Он изменил стратегию: левая рука приблизилась для уточнения позиции через запястный датчик, а правая выполнила действие. Более того, система зафиксировала этот опыт, чтобы в будущем автоматически применять новое решение без участия человека. ⚡ Genie Master — это четвертый элемент серии «AI WAVE» от Zhiyuan, представляющий собой первый в отрасли пример Physical RSI (Embodied Recursive Self-Improvement) в реальных бизнес-процессах, а не в лабораторных условиях. Фреймворк связывает верхний уровень агентного рассуждения с нижним уровнем физического исполнения. Он позволяет роботу не только выполнять задачи, но и непрерывно улучшаться: диагностировать сбои, корректировать действия и накапливать навыки. Это решает ключевую проблему индустрии — зависимость от ручных настроек при встрече с «длинным хвостом» непредвиденных ситуаций в коммерческих сценариях. 🤔 Ключевым технологическим элементом является протокол EEP (Embodied Execution Protocol), который обеспечивает «мост» между «мозгом» (агентом) и «мозжечком» (исполнителем). EEP включает четыре интерфейса: способностей (какие действия доступны), наведения (пространственные и языковые подсказки), обратной связи (реальное физическое состояние) и непрерывности (отслеживание прогресса и динамическое планирование). Благодаря синхронизации во времени, агент может мгновенно адаптировать инструкции, а базовая модель действий точно их исполняет, возвращая актуальные данные. Это превращает разрозненные процессы в единый цикл самообучения. 🚀 Система использует двухуровневый подход к эволюции. Первый уровень, Harness RSI, работает как «дневник ошибок»: он оптимизирует промпты, память и правила выполнения, сохраняя успешные паттерны без изменения весов модели. Второй уровень, Policy RSI, обновляет сами нейросетевые веса, используя данные из реальных сбоев и ручных корректировок для дообучения через имитационное или подкрепляющее обучение. Эти два процесса образуют «рекурсивный цикл»: накопленный опыт помогает лучше выбирать упражнения, а обновленные модели делают выполнение стабильнее. В результате роботы Zhiyuan переходят от статичных «заводских» настроек к модели «роста в процессе работы», что резко снижает маржинальные затраты на масштабирование. 📌 Что это значит на практике: Роботы перестают быть «одноразовыми» устройствами, требующими постоянного ручного вмешательства. Теперь они способны самостоятельно находить слабые места в работе и «доучиваться» в свободное время, что критически важно для массового внедрения в ритейле. Это сокращает время адаптации к новым задачам и делает масштабирование на новые точки экономически выгодным. Перевод и адаптация: AI Lab. Источник: QbitAI (量子位), https://www.qbitai.com/2026/10/505799.html #AI #Robotics #Zhiyuan #PhysicalRSI #EmbodiedAI #GenieMaster