Этот рубеж связывает цифровой интеллект с роботами, лабораториями и промышленностью. Здесь недостаточно правдоподобного ответа: система должна безопасно действовать при шуме, задержках и неполных данных.
О событииСистема учится предсказывать последствия действий, но длинные физические последовательности всё ещё распадаются.
Модель мира позволяет заранее оценить, к чему приведёт действие, и тем самым сократить число опасных проб в реальности. Главный предел — накопление ошибки прогноза: чем длиннее мысленно разыгрываемая последовательность, тем дальше симуляция уходит от физического мира.
Источник: Google DeepMind · Genie 2О событииТрение, износ, свет и случайные помехи делают реальную среду сложнее любой обучающей симуляции.
Симуляция даёт дешёвые и безопасные данные, но неизбежно упрощает контакт, сенсоры, задержки и редкие сбои. Поэтому успешная политика должна выдерживать случайные изменения среды и дообучаться на ограниченном реальном опыте, а не просто хорошо работать в цифровом двойнике.
Источник 1: NVIDIA · Isaac SimИсточник 2: Google DeepMind · RT-2О событииРобот должен безопасно собирать собственные данные и переносить навык между разными корпусами и задачами.
О событииОдна система осваивает незнакомый инструмент по наблюдению и краткой инструкции, не проходя отдельное переобучение.
Первоисточники, на которых основано досье: научные публикации, материалы лабораторий и официальные отчёты.