Naukowcy z arXiv zaprezentowali OmniBrain-0, kompaktowy model AI zdolny do sterowania robotami w złożonych zadaniach wymagających zarówno manipulacji przedmiotami, jak i nawigacji w przestrzeni. Dotychczasowe podejścia polegały na wyspecjalizowanych systemach dla każdego zadania lub na drogich wielomodalnych agentach, które były zbyt duże dla lekkich robotów. OmniBrain-0 zmienia tę strategię, integrując wszystkie zdolności decyzyjne w jeden zjednoczony model.
Klucz do sukcesu tkwi w progresywnym procesie trenowania. Zamiast uczyć się od zera, OmniBrain-0 najpierw przyswaja wiedzę z pretrainingu na danych z robotyki, następnie uczy się od wyspecjalizowanych ekspertów poprzez destylację wiedzy, a wreszcie łączy ich doświadczenia w jedną zwartą sieć neuronową. Dodatkowo system wykorzystuje innowacyjną metodę zwaną Rubric-Guided Recursive Self-Improvement - Meta-Agent obserwuje, jak robot wykonuje zadania, wyciąga wnioski z błędów i generuje ulepszone instrukcje oraz weryfikowane trajektorie dla ponownego treningu.
Testing na benchmarkach LIBERO-Pro, LIBERO-Plus, RoboCasa365, RoboTwin 2.0 i rzeczywistych zadaniach manipulacyjnych wykazał, że OmniBrain-0 osiąga imponujące wyniki przy znacznie mniejszym rozmiarze niż konkurencyjne podejścia. To otwarcie drogi do robotów bardziej niezawodnych i samowystarczalnych, które mogą się uczyć i doskonalić przez wykonywanie pracy - ważny krok w stronę praktycznej, wcielonej sztucznej inteligencji.