Το μοντέλο κόσμου της NTT, βασισμένο στη φυσική, ελέγχει τις ενέργειες των ρομπότ πριν από την εκτέλεσή τους

Στις 11 Νοεμβρίου 2026, η NTT, Inc. ανακοίνωσε ένα μοντέλο κόσμου βασισμένο στη φυσική, το οποίο αξιολογεί πιθανές ενέργειες ρομπότ πριν από την εκτέλεσή τους, ώστε να μειώσει αστοχίες όπως η πτώση αντικειμένων και η κατάρρευση φορτίων. Σύμφωνα με την εταιρεία, η τεχνολογία αύξησε το ποσοστό επιτυχίας εργασιών από 73,1% σε 92,3% σε δοκιμή κατά την οποία ένα μικρό ρομπότ τοποθετούσε αντικείμενα σε ράφι.

Η πρώτη προβλεπόμενη εφαρμογή είναι η αυτοματοποιημένη φόρτωση και εκφόρτωση αποσκευών αεροδρομίων. Οι διαφορές στο σχήμα, το βάρος και τη διάταξη των αποσκευών δυσκολεύουν τον συμβατικό έλεγχο ρομπότ να προσδιορίσει εκ των προτέρων, από μόνος του, αν μια ενέργεια θα προκαλέσει κατάρρευση του φορτίου ή πτώση κάποιου αντικειμένου, ενώ είναι ανέφικτη η συλλογή δεδομένων εκπαίδευσης για κάθε πιθανό αντικείμενο. Η NTT σχεδιάζει επιτόπιες δοκιμές με τη Mujin, Inc. για τη διαχείριση αποσκευών.

Πώς το μοντέλο αξιολογεί πιθανές ενέργειες

Η τεχνολογία συνεργάζεται με το υπάρχον λογισμικό ελέγχου ρομπότ, προσθέτοντας πρόβλεψη και αξιολόγηση πριν από την κίνηση. Οι υποψήφιες ενέργειες μπορεί να προέρχονται είτε από ένα μοντέλο όρασης-γλώσσας-δράσης, το οποίο μετατρέπει το βίντεο από κάμερα και τις γλωσσικές οδηγίες σε ενέργειες ρομπότ, είτε από έναν σχεδιαστή κίνησης, ο οποίος υπολογίζει τις εντολές που απαιτούνται για την επίτευξη ενός στόχου. Για κάθε επιλογή, το μοντέλο παράγει βίντεο που απεικονίζει την προβλεπόμενη εξέλιξη και αξιολογεί τις συγκρούσεις, τις πτώσεις και την κατάρρευση φορτίων. Στη συνέχεια, δίνει μια βαθμολογία που επιτρέπει στο πρόγραμμα ελέγχου να επιλέξει την ενέργεια που εκτιμάται ότι έχει τις περισσότερες πιθανότητες επιτυχίας.

Η NTT αναφέρει ότι τα συμβατικά μοντέλα κόσμου δεν αναπαριστούν ρητά τις φυσικές ιδιότητες των αντικειμένων, γεγονός που μπορεί να οδηγήσει στην εξαφάνιση αντικειμένων ή σε μη εύλογες παραμορφώσεις τους στο παραγόμενο βίντεο, καθώς και σε ανακριβείς προβλέψεις συγκρούσεων. Η εξάρτησή τους από μεγάλα σύνολα δεδομένων εκπαίδευσης καθιστά επίσης πιθανότερες τις αστοχίες σε καταστάσεις που δεν περιλαμβάνονται σε αυτά τα δεδομένα.

Ο προσαρμογέας φυσικής για τον έλεγχο της NTT εκτιμά από το βίντεο ιδιότητες όπως τη θέση, τον προσανατολισμό, την ταχύτητα και τη μάζα κάθε αντικειμένου, εφαρμόζει τους νόμους της φυσικής για να υπολογίσει την επακόλουθη κίνηση και παρέχει αυτούς τους υπολογισμούς στο μοντέλο παραγωγής βίντεο. Η NTT αναφέρει ότι αυτή η ρητή αναπαράσταση μπορεί να αντιμετωπίσει καταστάσεις και κινήσεις που απουσιάζουν από τα δεδομένα εκπαίδευσης. Το μοντέλο εξάγει επίσης τις φυσικές ποσότητες στις οποίες βασίζεται μια πρόβλεψη, διευκολύνοντας την κατανόηση της βάσης του παραγόμενου αποτελέσματος.

Αποτελέσματα αξιολόγησης και σχέδια επέκτασης

Η NTT αξιολόγησε επίσης την ακρίβεια πρόβλεψης μελλοντικών καρέ βίντεο στο δημόσιο σύνολο αξιολόγησης OBJ3D, το οποίο περιλαμβάνει καρέ βίντεο με συνθετικά αντικείμενα που συγκρούονται. Η NTT αναφέρει ότι το μοντέλο της ξεπέρασε τις συμβατικές μεθόδους ως προς το Learned Perceptual Image Patch Similarity (LPIPS), μια μετρική που συγκρίνει το προβλεπόμενο βίντεο με τα δεδομένα αναφοράς με τρόπο που συνάδει με την ανθρώπινη αντίληψη· οι χαμηλότερες τιμές υποδηλώνουν μεγαλύτερη ομοιότητα.

Πέρα από τη διαχείριση αποσκευών και δεμάτων, η NTT σχεδιάζει να επιδιώξει εφαρμογές στην εφοδιαστική, την αποθήκευση, τη μεταποίηση, τις κατασκευές και το λιανεμπόριο, ενώ θα εξετάσει το ενδεχόμενο συνεργασίας με παρόχους ρομποτικών υπηρεσιών, καθώς και με εταιρείες εφοδιαστικής και αποθήκευσης. Η μείωση των αναγκών σε εργατικό δυναμικό και η αύξηση της παραγωγικότητας είναι στόχοι αυτής της επέκτασης, όχι αποτελέσματα που τεκμηριώθηκαν στη δοκιμή που αναφέρθηκε.

Η τεχνολογία πρόκειται να παρουσιαστεί στο NTT R&D Forum 2026, μια εκδήλωση αποκλειστικά με πρόσκληση, η οποία θα πραγματοποιηθεί στις 18–20 Νοεμβρίου 2026 και στις 24–25 Νοεμβρίου 2026. Σε σεμινάριο στις 25 Νοεμβρίου 2026 για τη ρομποτική τεχνητής νοημοσύνης και το μοντέλο κόσμου που βασίζεται στη φυσική, ως ομιλητές αναφέρονται ο Isamu Arase, διευθύνων σύμβουλος της Mujin Japan, και ο Jun Shimamura, ανώτερος ερευνητής-μηχανικός της NTT.

Τα αποτελέσματα που ανακοίνωσε η NTT αφορούν μια εργασία με μικρό ρομπότ και βίντεο συνθετικών συγκρούσεων. Οι προγραμματισμένες δοκιμές με τη Mujin θα εξετάσουν αν η αναφερόμενη βελτίωση στη φόρτωση ραφιού μπορεί να εφαρμοστεί και στη διαχείριση αποσκευών αεροδρομίων, όπου ο έλεγχος πριν από την εκτέλεση πρέπει να αντιμετωπίζει τις φυσικές διαφοροποιήσεις που οδήγησαν στην ανάπτυξη του μοντέλου.