COCO Matrix выпустила CO01: робот учится на показе, ошибке и фразе

Китайская компания COCO Matrix представила CO01 — модель для роботов, построенную вокруг идеи, которую в LLM давно считают нормой: учиться в контексте. Название читается как /kuːl/, то есть «cool». Разработчики хотят, чтобы робот осваивал задачи так же, как человек: сначала смотрит, потом пробует, потом слушает замечания. Один показ, одна неудача, одна фраза или одна картинка цели — и модель уже иначе выбирает следующее действие.

Свой метод команда называет «экспериментальными подсказками» (experience prompting). Ключевая деталь в том, что опыт попадает прямо в контекст модели. Его не нужно сначала превращать в обучающий датасет и прогонять через новый цикл дообучения.

Урок вместо дообучения

В робототехнике новая задача обычно означает новую порцию данных. Нужно собрать демонстрации, разметить их, дообучить политику, проверить на железе, и только потом повторить цикл. Для интегратора, который ставит роботов на разные участки, это главная статья расходов и главная причина долгих пилотов.

Языковые модели обошли эту проблему раньше. Пример в промпте меняет поведение модели без изменения весов. CO01 переносит эту логику в физический мир. Если подход работает так, как заявлено, то инструктор может показать задачу, указать на ошибку и скорректировать действие словом, как делают с новым сотрудником на складе.

Четыре вида подсказок

Сам набор сигналов у CO01 говорит о многом. Компания перечисляет форматы, которые модель умеет принимать:

• Демонстрация. Одного показа достаточно, чтобы задать образец действия.
• Неудачная попытка. Запись провала становится материалом для урока: модель видит, что именно не сработало.
• Короткое напоминание. Одна фраза вроде «двигайся медленнее» или «сначала открой крышку» направляет следующий шаг.
• Изображение цели. Картинка конечного состояния, например расставленных предметов, заменяет длинное описание задачи.

Особенно интересен второй пункт. Большинство роботов обучают на успешных траекториях, а провалы выбрасывают как шум. Здесь неудача считается полноценным источником знаний, что ближе к реальной практике человеческого обучения. Ошибка в цеху случается постоянно, и модель, умеющая из неё вынести урок на месте, полезнее той, что просто повторяет идеальные записи.

Где подход упрётся в реальность

У контекстного обучения есть известные ограничения. Контекст конечен: чем больше примеров и подсказок, тем выше нагрузка на вычисления и тем сложнее выдерживать задержки, критичные для управления манипулятором. Опыт, лежащий в контексте, не накапливается сам собой. Закончилась сессия, и урок надо передать заново, если его не зафиксировали отдельно.

Есть и вопрос надёжности. Фраза, понятная человеку, может быть неоднозначной для модели. Картинка цели допускает несколько способов её достичь, и не все они безопасны для оборудования.

Что проверять интеграторам перед пилотом

Если CO01 дойдёт до коммерческих развёртываний, вопросы к вендору стоит ставить конкретно:

• сколько подсказок модель удерживает в контексте и как падает скорость отклика при росте числа примеров;
• сохраняется ли урок между сменами и как его переносить с одного робота на другой;
• какая доля задач осваивается с одного показа, а какая требует нескольких попыток;
• как система ведёт себя, когда подсказки противоречат друг другу, например образец и словесная команда;
• какие ограничения безопасности действуют независимо от того, что скажет оператор.

Для рынка CO01 — ещё один сигнал, что робототехнические foundation-модели движутся к тому же интерфейсу, который задали LLM: не переобучать, а объяснять. Выигрывает тот, кто сделает объяснение дешёвым, быстрым и устойчивым к ошибкам оператора. Именно по этим трём параметрам CO01 и придётся сравнивать с конкурентами.