[TL;DR Ежедневно] Я уже видел достаточно «инфраструктурного театра», чтобы различать демонстрацию на тестовых данных и реальную производственную систему. В этой статье утверждается, что следующим узким местом для встраиваемого ИИ может стать не интеллект модели, а сложный инженерный слой, превращающий предсказания токенов в стабильные физические действия. И честно? Это именно то, что все любят недооценивать. 📌 Почему это важно сейчас • Статья описывает возможный «момент ChatGPT» для встраиваемого ИИ как момент, когда общая модель, например GPT-6 Astra, сможет управлять роботами через одну строку API. • Хорошая новость: возможности фундаментальных моделей продолжают ускоряться. • Плохая новость: инфраструктура для встраиваемого ИИ отстает, и более мощные модели лишь быстрее выявляют слабости стека развертывания. 📌 Что добавляет FluxVLA Engine v2 • Расширенная симуляционная оценка: 14 политик на едином закрытом цикле LIBERO, плюс интеграции 8 политик с RoboCasa GR-1, RoboTwin и RoboDojo. • Оптимизация вывода для 8 комбинаций модель-устройство: частота увеличена в 2,31–9,64 раза. • Реальное развертывание на оборудовании: проверено от контрольной точки до замкнутого цикла на ALOHA, Rebot, двухрукохвостом Franka и человеческом роботе LimX Oli. 📌 Онлайн-обучение с подкреплением действительно сдвинуло иглу • На примере SmolVLA после онлайн-дообучения с подкреплением: – Успешность на LIBERO-10 выросла на 10,0 процентных пункта. – Успешность Clean на RoboTwin выросла на 15,4 процентных пункта. • Конкретнее: после 40 внешних итераций: – LIBERO-10 поднялся с 66,2% до 76,2%. – RoboTwin Clean поднялся с 45,9% до 61,3%. • Перевод: даже небольшие модели могут давать неожиданные результаты, как только перестают быть просто имитационными обучателями и начинают взаимодействовать со средой. 📌 Стандартизация — тихая суперсила • Основная идея статьи проста: встраиваемый ИИ всё ещё слишком зависит от «одноразовых проектов». • FluxVLA стремится стандартизировать преобразование данных, интерфейсы моделей, обучение, оценку и развертывание, чтобы команды не тратили таланты на настройку среды и повторное написание интерфейсов. • По сообщениям, он поддерживает Qwen-VL, GR00T, π-series, DreamZero и даже API-ориентированные подходы, такие как GPT-6 Astra и MiniMax-M3.1-Flash. • В указанных в отчёте конфигурациях 11 из 13 локальных стратегий контрольных точек показали среднюю успешность выше 95% на LIBERO; примеры: DiT4DiT — 98,65%, π0.5 — 97,95%. 📌 Реальная робототехника — там, где инженерия становится серьёзной • Ускорение вывода достигнуто без изменения весов модели. • Для action-головок типа GR00T ускоренный вывод сохранил косинусное сходство выше 0,99999 при максимальной абсолютной ошибке около 0,02. • Введён механизм координации в реальном времени и постобработка траекторий для сглаживания непрерывности действий и соблюдения физических ограничений. • На LimX Oli π0.5 успешно выполнил первые 3 этапа задачи по перемещению коробки в 61,67% случаев и все 4 этапа — в 33,33% случаев; это полезно не как хвастовство, а как карта узких мест. 📌 Участие человека может быть не дополнением, а движущей силой • Система поддерживает бесшовный переход на ручное управление во время выполнения роботом задачи с автоматическим сбором данных для коррекции и аннотацией вознаграждений. • В задаче складывания полотенца из 8 этапов на ALOHA: – Базовая модель имитационного обучения: 62,1% – С SARM-моделированием вознаграждения: 78,5% – С ARM-взвешенным имитационным обучением: 99,4% • Пропускная способность выросла с 18 эпизодов/час до 32 эпизодов/час. Что я думаю? Самый острый момент во всём этом — не «наш бенчмарк больше». А в том, что встраиваемый ИИ может превратиться в гонку инфраструктуры раньше, чем в гонку моделей. Если каждая новая политика требует перестройки всего стека — отрасль продолжает платить налог за прогресс. Если же инфраструктура станет модульной, переиспользуемой и скучной — в лучшем смысле этого слова — тогда настоящая интересная часть наконец начнётся. И вот вопрос, который я оставлю в воздухе: когда передовые модели станут взаимозаменяемыми, где реально лежит защита — в модели, в теле робота или в системе данных и развертывания, которая стоит за обеими?
