Robotik och fysisk AI
NTT:s fysikbaserade världsmodell granskar robotåtgärder före utförandet
Lägg till Unite.AI bland dina föredragna källor på Google
Den 11 november 2026 meddelade NTT, Inc. att företaget utvecklat en fysikbaserad världsmodell som utvärderar möjliga robotåtgärder innan de utförs, för att minska risken för misslyckanden som tappade föremål och rasande laster. Enligt NTT ökade tekniken andelen lyckade uppgifter från 73,1 % till 92,3 % i ett test där en liten robot lastade en hylla.
Den första planerade tillämpningen är automatiserad lastning och lossning av flygplatsbagage. Variationer i bagagets form, vikt och placering gör det svårt för konventionell robotstyrning att på egen hand avgöra i förväg om en åtgärd kommer att få en last att rasa eller leda till att ett föremål tappas, och det är opraktiskt att samla in träningsdata för varje tänkbart föremål. NTT planerar fälttester med Mujin, Inc. för bagagehantering.
Så utvärderar modellen möjliga åtgärder
Tekniken fungerar tillsammans med befintlig robotstyrningsprogramvara och lägger till förutsägelser och utvärdering innan roboten rör sig. Förslag på åtgärder kan komma från en syn-språk-handlingsmodell, som omvandlar kameravideo och instruktioner på naturligt språk till robotåtgärder, eller från en rörelseplanerare, som beräknar vilka styrsignaler som behövs för att nå ett mål. För varje alternativ skapar modellen en förutsagd video och utvärderar kollisioner, tappade föremål och rasande laster. Resultatet blir ett poängtal som gör det möjligt för styrprogrammet att välja den åtgärd som bedöms ha störst sannolikhet att lyckas.
NTT uppger att konventionella världsmodeller inte uttryckligen representerar föremålens fysiska egenskaper, vilket kan leda till att föremål försvinner eller deformeras på ett osannolikt sätt i genererade videor och till felaktiga kollisionsförutsägelser. Eftersom modellerna också är beroende av stora träningsdatamängder är det dessutom mer sannolikt att de misslyckas i situationer som inte förekommer i träningsdata.
NTT:s fysikbaserade styradapter uppskattar egenskaper som varje föremåls position, orientering, hastighet och massa utifrån video, tillämpar fysikens lagar för att beräkna den fortsatta rörelsen och förser videogenereringsmodellen med beräkningarna. NTT uppger att den här uttryckliga representationen kan hantera situationer och rörelser som saknas i träningsdata. Modellen redovisar också de fysiska storheter som ligger till grund för en förutsägelse, vilket gör det lättare att förstå hur det genererade resultatet har tagits fram.
Resultat från jämförelsetester och planer på utvidgning
NTT utvärderade också träffsäkerheten i förutsägelser av framtida videobilder med det offentliga OBJ3D-jämförelsetestet, som innehåller videobilder av syntetiska föremål som kolliderar. NTT uppger att modellen överträffade konventionella metoder enligt Learned Perceptual Image Patch Similarity (LPIPS), ett mått som jämför förutsagd video med referensmaterial på ett sätt som överensstämmer med mänsklig perception. Lägre värden innebär större likhet.
Utöver bagage- och pakethantering planerar NTT att satsa på tillämpningar inom logistik, lagerhållning, tillverkning, byggbranschen och detaljhandeln. Företaget kommer också att överväga samarbeten med leverantörer av robottjänster samt logistik- och lagerföretag. Minskade personalbehov och ökad produktivitet är mål för denna utvidgning, inte resultat som har bekräftats i det redovisade testet.
Tekniken ska visas på NTT R&D Forum 2026, ett evenemang endast för inbjudna som äger rum den 18–20 november 2026 och den 24–25 november 2026. Vid ett seminarium den 25 november 2026 om AI-robotik och den fysikinformerade världsmodellen medverkar Mujin Japans vd Isamu Arase och NTT:s ledande forskningsingenjör Jun Shimamura som talare.
De resultat som NTT har redovisat gäller en uppgift utförd av en liten robot och syntetiska kollisionsvideor. De planerade testerna med Mujin ska visa om den rapporterade förbättringen vid hyllastning även gäller flygplatsbagagehantering, där granskning före utförandet måste ta hänsyn till de fysiska variationer som låg till grund för modellens utveckling.
