Embodied AI

Воплощённый ИИ знаменует собой значительный переход от пассивных алгоритмов к интеллектуальным системам, способным воспринимать окружающую среду, рассуждать и взаимодействовать с ней в физическом или смоделированном 3D-пространстве. В отличие от традиционных моделей машинного обучения, работающих исключительно со статическими наборами данных, эти системы обладают «телом» — физическим роботизированным шасси или виртуальным аватаром, — которое позволяет им выполнять действия и учиться на основе непрерывной обратной связи от окружающей среды. Объединяя данные с датчиков с интеллектуальным принятием решений, воплощённые агенты устраняют разрыв между цифровыми вычислениями и выполнением задач в реальном мире.

Как воплощённые системы воспринимают окружающий мир#

В основе этих динамических систем лежит передовое компьютерное зрение, позволяющее агенту пространственно понимать окружающую обстановку. Для безопасной и эффективной навигации воплощённые агенты активно используют обнаружение объектов в реальном времени](https://ultralytics-translation-1.invalid) и непрерывную оценку позы. Создавая нейронные связи для таких агентов, разработчики часто интегрируют фреймворки глубокого обучения из экосистемы PyTorch или инструменты развёртывания TensorFlow для обработки сложных пространственных данных.

Для достижения настоящей автономности эти системы всё чаще используют мультимодальные модели «зрение — язык» вместе с производительными механизмами вывода в реальном времени. Это позволяет ИИ не только распознавать чашку, но и понимать сложные инструкции, например: «подними красную чашку рядом с краем стола». Исследования таких учреждений, как Институт человекоцентричного искусственного интеллекта Стэнфордского университета (HAI), продолжают расширять возможности интеграции этими агентами данных от различных органов чувств.

Различия между связанными терминами в области искусственного интеллекта#

Чтобы разобраться в этой области, необходимо отличать её от близких по смыслу концепций:

• Робототехника: Робототехника в значительной степени сосредоточена на механическом оборудовании, исполнительных механизмах и управлении двигателями. Воплощённый ИИ предоставляет когнитивный программный уровень, делающий оборудование автономным, как в проектах вроде робота Atlas компании Boston Dynamics.
• Физический ИИ: Хотя эти термины часто используют как взаимозаменяемые, физический ИИ обязательно требует материального оборудования, работающего в реальном мире. Воплощённый ИИ — более широкое понятие, включающее виртуальных агентов, обученных в смоделированных средах с 3D-физикой, таких как робототехническая платформа Isaac компании NVIDIA.
• ИИ-агент: Традиционные ИИ-агенты работают в цифровых пространствах (например, просматривают веб-страницы или пишут код). Воплощённые агенты специально предназначены для работы с пространственной размерностью, физическими ограничениями и непрерывными сенсорными потоками.

Практические применения#

Интеграция когнитивного рассуждения с физическими действиями привела к появлению преобразующих приложений в различных отраслях, подробно описанных в цифровой библиотеке ACM, посвящённой исследованиям в области ИИ.

• Автономные транспортные средства: Беспилотные автомобили используют воплощённый интеллект для навигации по городским улицам. Они обрабатывают непрерывные данные лидара и камер, чтобы интерпретировать дорожные знаки и движения пешеходов, подобно технологии автономного вождения Waymo, безопасно взаимодействующей с динамичной городской средой.
• Умное производство: Роботизированные манипуляторы с моделями Ultralytics YOLO26 выполняют сложные задачи на сборочной линии. Они динамически выявляют, захватывают и сортируют дефектные детали, демонстрируя принципы, изучаемые в недавних исследованиях DeepMind в области робототехники.
• Сельскохозяйственные дроны: Беспилотные летательные аппараты используют пространственное восприятие для мониторинга состояния посевов и интеллектуального распыления ресурсов только там, где это необходимо, сокращая отходы и повышая урожайность.

Создание систем восприятия для воплощённых агентов#

Разработчики, создающие такие физические системы, часто используют Ultralytics Platform для аннотирования динамических обучающих данных и бесшовного развёртывания лёгковесных моделей ИИ на периферии непосредственно на маломощном оборудовании.

Ниже приведён пример на Python, демонстрирующий, как роботизированный агент может непрерывно использовать модель компьютерного зрения для обнаружения интерактивных объектов в окружающей среде.

from ultralytics import YOLO

# Load the lightweight YOLO26 model designed for real-time edge hardware
model = YOLO("yolo26n.pt")

# Perform continuous object detection on a robotic camera feed
results = model.predict(source="camera_feed.mp4", stream=True)

# Process the spatial bounding boxes to guide robotic interaction
for r in results:
    print(f"Detected {len(r.boxes)} objects ready for physical interaction.")

По мере развития областей проектирования оборудования и когнитивного моделирования — под руководством таких инициатив по обеспечению согласованности, как исследования Anthropic в области безопасности ИИ и новейшие модели рассуждения OpenAI, — воплощённые системы продолжат переход из исследовательских лабораторий в повседневную среду, что часто подчёркивается в материалах IEEE Spectrum о робототехнике.