Исследователи из Nvidia, Университета Карнеги — Меллона и Калифорнийского университета в Беркли представили метод обучения робототехники с помощью автономных ИИ-агентов. Система использует возможности генеративного кода для самостоятельной корректировки движений роботов в реальных условиях. Вместо классического программирования каждого действия, агенты анализируют неудачные попытки и автоматически переписывают алгоритмы управления, чтобы повысить точность выполнения сложных манипуляций.
В ходе экспериментов группа из восьми роботов отрабатывала задачи по захвату предметов различной формы и текстуры. Благодаря итеративному обучению через ИИ-агентов, система достигла показателя успешности в 99% при выполнении манипуляций, которые ранее считались трудновыполнимыми для автоматизированных систем. Роботы самостоятельно адаптировались к изменениям среды, минимизируя необходимость вмешательства человека-оператора в процесс отладки.
Этот подход демонстрирует переход к самообучающимся физическим системам, где ИИ берет на себя роль инженера-разработчика. Использование агентных моделей позволяет существенно сократить время на обучение роботов сложным моторным навыкам и повысить их автономность в динамических рабочих пространствах. Технология открывает новые возможности для автоматизации складской логистики и промышленной сборки, где требуется высокая точность при работе с неструктурированными объектами.