Представлена A2-MEAS: мультиагентная система для роботов с коррекцией ошибок

Представлена A2-MEAS: мультиагентная система для роботов с коррекцией ошибок

В препринте, опубликованном в списке статей Hugging Face, представлена A2-MEAS, мультиагентная система для воплощённого ИИ (роботов), построенная вокруг идеи «кода как интерфейса масштабирования». Исходная посылка авторов: фундаментальные модели всё чаще управляют действиями роботов, но для устойчивой автономной работы нужны эффективное управление и умение восстанавливаться после сбоев.

Центральный механизм, обучаемые «коды коррекции». Они объединяют корректирующий текст, пространственные данные, историю выполнения и предложения действий. Модуль MetaBrain даёт обучающий сигнал и подсказки во время работы. Кодировщик коррекции и адаптер на этапе обучения встраивают эти знания в веса политики, а при развёртывании новые коды меняют поведение робота при замороженных весах.

Действия выполняет модель A2-WLA: это политика «зрение, язык, действие» (vision-language-action), к которой добавлены история движений и латентная модель мира. Авторы называют удивительным, что такая простая конструкция с предварительным обучением на действиях и специализацией под задачи даёт заявленные результаты.

Цифры из аннотации. На публичном подмножестве из 50 задач BEHAVIOR 2026 система набирает 0,5755 Q-score до онлайн-коррекции, это в 2,21 раза выше заявленных 0,2605 у победителя 2025 года, но сравнение идёт между разными редакциями бенчмарка и разными конфигурациями обучения. На всех 100 публичных задачах BEHAVIOR 2026 A2-MEAS получает 0,6411 Q-score и 45,40% успешно выполненных задач. На RoboTwin 2.0 A2-WLA показывает 93,98% средней успешности, а полная система, 95,05%.

На реальных роботах в 12 задачах в пяти бытовых сценариях A2-WLA достигает 57,92% средней успешности против 26,67% у pi0.5. В длинной задаче приготовления кофе методом пуровер адаптер с учётом истории повышает долю завершённых шагов после сбоя на двух шагах с фильтром: с 14% до 94% и с 8% до 82% по сравнению с повторными попытками A2-WLA. Обучающая инфраструктура выдаёт 427,1 образца в секунду, в 4,03 раза быстрее эталонной реализации pi0.5 на том же оборудовании.

Авторы обещают выложить систему, модели, скрипты обучения и инфраструктуру. Пока это намерение: дата, репозиторий и лицензия в аннотации не указаны.

Ключевые факты

  • A2-MEAS, мультиагентная система для роботов: обучаемые «коды коррекции» объединяют корректирующий текст, пространственные данные, историю выполнения и предложения действий; при развёртывании новые коды меняют поведение при замороженных весах.
  • Модель действий A2-WLA, политика «зрение, язык, действие» с историей движений и латентной моделью мира.
  • BEHAVIOR 2026: 0,5755 Q-score на 50 публичных задачах до онлайн-коррекции (в 2,21 раза выше 0,2605 победителя 2025 года, но редакции бенчмарка и конфигурации разные); на всех 100 задачах, 0,6411 Q-score и 45,40% успешных задач.
  • RoboTwin 2.0: 93,98% у A2-WLA и 95,05% у полной системы; на 12 реальных задачах A2-WLA, 57,92% против 26,67% у pi0.5.
  • Система, модели, скрипты обучения и инфраструктура пока только обещаны к выпуску.

Почему это важно

Главная проблема роботов, управляемых фундаментальными моделями, восстановление после сбоев. Авторы предлагают не переучивать модель, а подавать ей «коды коррекции»: при развёртывании они меняют поведение при замороженных весах. В примере с кофе доля завершённых шагов после сбоя на двух шагах с фильтром выросла с 14% до 94% и с 8% до 82% по сравнению с повторными попытками A2-WLA. Это заявление авторов; на реальных роботах результат пока описан только в аннотации.

Кому это важно

Исследователям воплощённого ИИ и робототехники, особенно работающим с политиками «зрение, язык, действие», бенчмарками BEHAVIOR и RoboTwin и обучением на реальных роботах. Интересна и инфраструктурная часть: заявлена пропускная способность обучения 427,1 образца в секунду, в 4,03 раза выше эталонной реализации pi0.5 на том же оборудовании.

Как это применить

Прямо сейчас, никак: авторы лишь обещают выпустить систему, модели, скрипты обучения и инфраструктуру. Дата, репозиторий и лицензия в аннотации не указаны. Пока можно ориентироваться на идею: отделить исправление ошибок от весов политики и подавать его отдельными кодами во время работы.

Можно ли доверять

Это препринт: все цифры, самоотчёт авторов. В аннотации не названы авторы и организации и нет сведений о рецензировании или независимом воспроизведении. Сравнение с победителем 2025 года (в 2,21 раза) идёт между разными редакциями бенчмарка и разными конфигурациями обучения, а сам победитель не назван, так что это не прямое сопоставление. Число прогонов на реальных роботах и в задаче с кофе, а также доверительные интервалы не приведены.

Риски и подводные камни

Результат 0,5755 Q-score получен на подмножестве из 50 задач и до онлайн-коррекции; значение после коррекции на этом подмножестве в аннотации не названо. Полная система на всех 100 задачах успешно выполняет 45,40% задач, на реальных роботах A2-WLA, 57,92% задач, то есть заметная часть всё равно не решается. Не указаны размеры моделей и оборудование для сравнения пропускной способности, а выпуск кода и моделей остаётся обещанием.

«Мы опубликуем систему, модели, скрипты обучения и инфраструктуру, чтобы поддержать эффективное обучение воплощённого ИИ.»

— Авторы препринта, аннотация