AGIBOT udostępnia zbiór danych dotyczący rozumowania fizycznego, który ma uczyć roboty, co robić dalej

Robot może bezbłędnie podnieść butelkę, a mimo to nie poradzić sobie z uzupełnieniem minibaru. Może zostawić pustą butelkę, włożyć zbyt wiele nowych albo powtórzyć czynność, którą już wykonał. Brakuje mu umiejętności oceny, czego wymaga sytuacja, zanim wybierze kolejny ruch.

AGIBOT chce wypełnić tę lukę za pomocą zbioru danych dotyczącego rozumowania fizycznego, ogłoszonego 22 października jako wydanie 4 AGIBOT WORLD 2026. Wydanie to łączy cele zadań, zmieniające się warunki sceny, historię realizacji oraz rzeczywiste działania robotów. Jego głównym założeniem jest gromadzenie różnych sposobów osiągnięcia tego samego celu, aby dostarczyć badaczom materiałów do trenowania robotów, które będą dostosowywać swoje decyzje w miarę postępu zadania.

Jeden cel, kilka prawidłowych sekwencji działań

Wydanie 4 przenosi punkt ciężkości projektowania zadań z trudnych ruchów na trudne decyzje. Zamiast gromadzić wyłącznie demonstracje stałej sekwencji, AGIBOT zmienia liczbę obiektów, przeszkody, dostępną przestrzeń i postęp zadania. Takie zmiany mogą sprawić, że działanie, które wcześniej było prawidłowe, przestanie być odpowiednie, nawet jeśli prośba użytkownika pozostaje taka sama.

Rozważmy przykład minibaru. Aby osiągnąć cel w postaci trzech pełnych butelek, trzeba ustalić, które butelki są puste, policzyć te pełne, które już się tam znajdują, i zdecydować, co wyjąć, a co uzupełnić. Skuteczne uchwycenie przedmiotu to tylko część zadania. Robot potrzebuje również reprezentacji pożądanego stanu końcowego oraz sposobu porównania go ze stanem bieżącym.

Inny scenariusz dotyczy wyjęcia klucza znajdującego się za pudełkiem. Bezpośrednie uchwycenie klucza może się udać, jeśli jest wystarczająco dużo miejsca. Jeśli pudełko blokuje dostęp, trzeba je najpierw przesunąć. Przeszukiwanie szuflad wiąże się z dodatkowym problemem pamięci: sam obraz z kamery nie pozwala systemowi ustalić, które szuflady już sprawdził.

Przykłady te pokazują praktyczne wyzwanie, przed którym stoi fizyczna sztuczna inteligencja. Polityka działania naśladująca widoczne ruchy eksperta może nadal prowadzić do błędnej decyzji, jeśli nie uwzględnia kontekstu, który sprawił, że te ruchy były odpowiednie. Zmienianie warunków przy zachowaniu wspólnego celu ma sprawić, że zależności te będą dostępne do wykorzystania podczas trenowania.

Dziewięć umiejętności rozumowania o rosnącym stopniu złożoności

AGIBOT podzielił wydanie na dziewięć umiejętności: wybieranie obiektów na podstawie ich cech, dokonywanie wyboru w zależności od kontekstu, ocenianie wykonalności manipulacji, rozumowanie o warunkach wstępnych działań, poszukiwanie drogi do celu, śledzenie stanów i ilości, planowanie dłuższych sekwencji, zachowywanie informacji w pamięci oraz ustalanie kolejności podzadań.

W codziennej pracy umiejętności te często się łączą. Uzupełnianie zapasów wymaga rozpoznawania, liczenia i śledzenia postępów. Znalezienie przedmiotu łączy strategię poszukiwania z zapisem wcześniejszych prób. Dłuższe zadanie porządkowe może wymagać kolejno kilku takich ocen, a każde działanie zmienia warunki, w których podejmowana jest następna decyzja.

Zbiór danych dzieli zadania na poziomy łatwy, średni i trudny. Pojedyncze decyzje dotyczące wyboru należą do prostszych; ograniczenia ilościowe i warunki wstępne zwiększają złożoność; dłuższe zadania łączą wiele celów, pamięć i wymagania związane z kontekstem. Taka struktura pozwala badaczom analizować poszczególne umiejętności, zanim sprawdzą, jak dobrze działają one razem.

Opisywany jest również rezultat wykonania zadania, w tym wybór obiektu, jego umieszczenie oraz to, czy udało się osiągnąć wymaganą ilość. Wydanie obejmuje zarówno przykłady poprawne, jak i błędne, wspierając badania nad rozpoznawaniem odchyleń i dostosowywaniem kolejnych decyzji.

Łączenie instrukcji z działaniami fizycznymi

Wkład techniczny polega na tym, w jaki sposób adnotacje łączą różne poziomy zadania. Instrukcja wysokiego poziomu określa jego ogólny cel. Ramy zadania, segmenty podzadań i kroki działania opisują jego strukturę oraz postęp. Badacze mogą wykorzystać te zależności, aby analizować, który cel pośredni jest aktualnie realizowany i co powinno wydarzyć się dalej.

Na poziomie ruchu adnotacje Dense Prompt firmy AGIBOT określają obiekt docelowy, obszar manipulacji, role obu ramion, ruch, stan chwytaka i oczekiwany rezultat. Ramki ograniczające, punkty i linie trajektorii łączą język z położeniami i torami ruchu. Dzięki temu system uczący się otrzymuje bardziej jednoznaczne wskazówki dotyczące tego, do czego odnosi się instrukcja i jak przedstawiono jej wykonanie.

Firma opisuje również segmenty poprawnego wykonania i segmenty adwersarialne, które służą do odróżniania obiektów docelowych od obiektów rozpraszających uwagę oraz do sprawdzania wyników. W tym przypadku przykłady adwersarialne dotyczą interpretacji i wykonania zadania. Pomagają one formułować pytania, takie jak to, czy robot wybrał właściwy obiekt albo czy rzeczywiście wykonał żądany krok.

Adnotacje te mają łącznie wspierać trenowanie łączące model podejmowania decyzji z polityką działania. Model decyzyjny wybiera cel pośredni, polityka realizuje manipulację, a uzyskany stan wpływa na kolejną decyzję. Ta pętla informacji zwrotnej ma znaczenie zawsze wtedy, gdy robot musi skorygować niedoskonałą próbę lub zareagować na zmianę sceny.

Jak to wydanie wpisuje się w platformę robotyczną AGIBOT

Szersze repozytorium AGIBOT WORLD 2026 opisuje rzeczywiste dane zebrane na platformie G2 firmy. Udokumentowany format jest zgodny z konwencjami LeRobot i obejmuje dane dotyczące epizodów, metadane oraz osobne strumienie wideo z kamer umieszczonych na głowie i nadgarstku. To przydatny kontekst dla programistów, którzy chcą łączyć obserwacje wizualne z zarejestrowanym zachowaniem robota.

Na stronie produktu G2 AGIBOT przedstawia sprzęt jako przeznaczony do inteligencji ucieleśnionej i manipulacji z kontrolą siły, a także do interaktywnych zastosowań. Wersja 4 obejmuje warstwę podejmowania decyzji i pamięci zadań, powiązaną z tymi możliwościami fizycznymi. Rozbudowuje również infrastrukturę danych omawianą we wcześniejszym materiale Unite.AI o platformie robotycznej AGIBOT.

W repozytorium wskazano licencję Creative Commons Uznanie autorstwa–Użycie niekomercyjne–Na tych samych warunkach 4.0. Warunek niekomercyjnego wykorzystania ma istotne znaczenie dla programistów rozważających użycie udostępnionych danych w produkcie.

Co może zmienić rozumowanie fizyczne

W hotelarstwie, usługach domowych i handlu detalicznym istotna jest możliwość wykorzystania robota, który potrafi dążyć do określonego celu w zmieniających się warunkach. Ponowne przygotowanie stolika lub uzupełnienie towaru na półce wymaga sprawdzenia, co już się tam znajduje, pamiętania o wykonanych czynnościach i rozpoznania, kiedy dalsze działanie jest zbędne. Takie oceny nabierają znaczenia, gdy roboty przechodzą od odosobnionych demonstracji do realizacji kompletnych procesów.

Wersja 4 dostarcza materiałów treningowych wspierających ten kierunek. Sama w sobie nie dowodzi, że konkretny model potrafi niezawodnie realizować takie procesy w nieznanym środowisku. AGIBOT informuje, że dane wsparły już przygotowywaną strukturę agentową i model bazowy nowej generacji; wyniki dotyczące wydajności tych systemów pozostają odrębną kwestią.

Istotna zmiana polega na trenowaniu robotów z uwzględnieniem zależności między celem, bieżącą sytuacją a konsekwencjami wcześniejszych działań. Naukowcy mogą badać to podejście w ramach projektu AGIBOT WORLD i korzystać z powiązanych z nim zasobów dotyczących zbiorów danych.