Робот техникийн салбарт GPT-6 Astra зэрэг их наяд параметртэй хараа болон хэлний аварга загварууд ноёрхож эхэлсэн ч нэг даалгавар гүйцэтгэхэд хэт удаан бөгөөд хэдэн ам.долларын өртөг гардаг сул талтай. Тэгвэл Luma AI компанийн судлаачид CoRL 2026 хурлын хүрээнд Zero-real Agent Policy (ZAP) буюу бодит өгөгдөл огт шаардахгүйгээр робот удирдах 27 тэрбум параметртэй шинэ загвараа (zero-real.github.io) танилцууллаа.

Урьдчилсан сургалт «юу хийхийг», симуляци «яаж хөдлөхийг» заана

Судалгааны багийн дэвшүүлсэн үндсэн санаа нь роботын удирдлагыг хоёр тусдаа чадварт задлах явдал юм. Эхнийх нь утга зүйн эргэцүүлэл буюу тухайн орчинд даалгавар юу шаардаж байгааг ойлгох чадвар бөгөөд үүнийг урьдчилан сургасан хараа болон хэлний загвар (VLM) аль хэдийн эзэмшсэн байдаг. Хоёр дахь нь хөдөлгөөний удирдлага буюу роботын гарыг орон зайд хэрхэн шилжүүлэх техник юм.

ZAP загвар нь бэлэн хараа болон хэлний загварт дутагдаж буй ганц чадвар болох хөдөлгөөний удирдлагыг маш энгийн бүтэцтэй холбоосоор заадаг. Энэхүү холбоос нь урьдчилан бэлдсэн барих макро команд эсвэл хөдөлгөөний бэлэн загвар хэрэглэлгүйгээр зөвхөн роботын гарны үзүүрийн байрлал (end-effector pose) болон хавчаарын нээлтийг шууд тохируулдаг бөгөөд симуляци болон бодит төхөөрөмж дээр яг ижилхэн ажилладаг.

Зөвхөн симуляцид GRPO аргаар өөрийгөө сайжруулах нь

ZAP сургалтын явцад бодит роботын бичлэг, хүний алсын удирдлагатай (teleoperation) үзүүлэн эсвэл том загварын зааварчилгааг огт хэрэглээгүй. Загвар нь симуляци доторх эд зүйлсийг авч тавих энгийн даалгаврууд дээр өөрийн амжилттай оролдлогуудаас эхлээд нарийвчлан суралцаж, улмаар GRPO (Group Relative Policy Optimization) бататгах сургалтаар хөдөлгөөнөө улам цэгцэлжээ.

Бодит хоёр гарт робот дээрх үр дүн

Симуляцид суралцсан 27 тэрбум параметртэй ZAP загварыг бодит хоёр гарт робот дээр шууд (zero-shot) туршихад өмнө нь огт харж байгаагүй нарийн ажиллагаа, тухайлбал хуруу шилийг нэг гараас нөгөө гарт дамжуулан тавиурт байрлуулах зэрэг даалгаврыг 97 хувийн амжилттай гүйцэтгэсэн байна. Энэ нь одоогийн тэргүүлэх хараа, хэл, үйлдлийн (VLA) загваруудыг давж, GPT-6 Astra-тай эн зэрэгцсэн үзүүлэлт юм.

  • Сургалтын бодит өгөгдөл: 0 цаг (бодит робот болон алсын удирдлагын өгөгдөл ороогүй).
  • Гүйцэтгэлийн хурд: GPT-6 Astra-аас 3 дахин хурдан (нэг даалгаварт 397 секунд бус 146 секунд зарцуулна).
  • Тооцооллын өртөг: Нэг даалгавар бүрд 17 дахин хямд (4.87 ам.долларын оронд дөнгөж 0.29 ам.доллар).