Цинхуа научил роботов репетировать действия: ParallelWorld поднял успех с 56% до 83%

Команда из Университета Цинхуа представила ParallelWorld — подход, в котором воплощённый ИИ-агент перед действием проигрывает в «параллельном мире» несколько вариантов развития событий на несколько шагов вперёд. Многошаговая предварительная симуляция встроена в высокоуровневое планирование. Средняя успешность выполнения задач выросла с 56% до 83%: плюс 27 процентных пунктов, или примерно в 1,5 раза.

Две мока-кофеварки как тест на дальновидность

Пример, на котором авторы объясняют идею, выглядит бытово: поставить две мока-кофеварки с рабочего стола на плиту. Человек не задумывается, как это делается. Для робота тут целая цепочка развилок. Нужно решить, какую кофеварку брать первой. Нужно выбрать, за какую часть её схватить. Нужно учесть, как она будет стоять после установки, ведь от этого зависит, дотянется ли манипулятор до второй и не загородит ли первая подход к конфорке.

Любое из этих решений меняет условия следующего шага. Слабое место планировщиков здесь одно: они выбирают действие, не видя его последствий дальше ближайшего хода. Ошибка на первом шаге тянет за собой провал всей задачи, хотя каждое отдельное действие выглядело разумным.

Репетиция вместо одного выстрела

ParallelWorld меняет порядок работы. Прежде чем отправить команду, агент разворачивает несколько возможных вариантов и прогоняет каждый на несколько шагов вперёд. Он смотрит, к какому состоянию мира приведёт цепочка действий, и только потом выбирает ту, что ведёт к цели. Это похоже на то, как шахматист просчитывает ветки, прежде чем тронуть фигуру. Название метода отражает идею: варианты существуют как параллельные миры, и реальным становится только лучший из них.

Важно, на каком уровне это происходит. Метод работает в высокоуровневом планировании: агент выбирает, что и в каком порядке делать. Тонкая моторика остаётся отдельной задачей. Проверять последствия на уровне плана дешевле и понятнее, чем на уровне каждого сустава.

• Разработчик: Университет Цинхуа
• Метод: ParallelWorld, многошаговая предварительная симуляция для планировщика воплощённого агента
• Уровень применения: высокоуровневое планирование задач
• Метрика: успешность выполнения задач, 56% → 83%
• Прирост: +27 процентных пунктов, примерно в 1,48 раза
• Демонстрационная задача: перенос двух мока-кофеварок с стола на плиту
• Источник новости: Jiqizhixin (机器之心)

Куда это упирается на практике

Прирост с 56% до 83% — серьёзный скачок для задач, где важна последовательность. Для индустрии он говорит о конкретном: заметную часть провалов роботов-ассистентов вызывают не слабые руки и не плохое зрение, а плохой порядок действий. Если планировщик заранее видит, что выбранный первый шаг ведёт в тупик, часть таких ошибок отпадает без новых датчиков и без переобучения моторики.

У подхода есть и очевидная цена. Каждая репетиция требует вычислений, а значит, время на принятие решения растёт вместе с числом вариантов и глубиной просчёта. Для складского или кухонного робота, которому нужна быстрая реакция, придётся искать баланс между глубиной просчёта и скоростью. Качество результата также зависит от того, насколько честно «параллельный мир» воспроизводит последствия действий: если прогноз расходится с реальностью, агент уверенно выберет неверный вариант.

Для команд, которые строят агентов на базе больших моделей, вывод практичный. Планировщик, который выдаёт план одним проходом, стоит дополнить проверкой последствий, особенно в задачах с зависимыми шагами: сборка, сортировка, кухонные операции, перекладывание объектов. ParallelWorld даёт ещё один аргумент в пользу того, что мировые модели и планирование нужно проектировать вместе, а не подключать друг к другу после обучения.