Nvidia и българският INSAIT тестват AI с роботи: „най-умните“ модели се провалят в ежедневни задачи

Новата платформа LADDER измерва как водещи AI системи управляват роботи при поредица от действия – а резултатите показват тревожно ниска надеждност и висока цена за успех.

Колко реално са готови най-мощните системи с изкуствен интелект да управляват роботи в дома и на работното място? Не в лабораторни демонстрации, а в банални ситуации като разчистване на маса или подреждане на предмети.

Отговор търси LADDER – нова платформа, разработена съвместно от Nvidia и българския институт INSAIT към Софийския университет „Св. Климент Охридски“. Целта е ясна. Да се оценяват и сравняват водещи AI модели според това колко добре управляват роботи при изпълнение на последователни действия.

Първите резултати звучат като предупреждение. Дори най-силните модели остават далеч от надеждно поведение при задачи от ежедневието. При по-дълги последователности грешките рязко се увеличават, посочват от пресцентъра на МОН.

Какво измерва LADDER и защо това е ключово

LADDER е платформа за оценка на т.нар. физически изкуствен интелект (Physical AI). Тук не стига моделът да „разсъждава“ добре. Той трябва да действа в реална среда и да управлява робот, който изпълнява поредица от стъпки.

Точно последователността се оказва проблем. Преместването на един предмет често е постижимо. Но когато роботът трябва да изпълни серия от действия едно след друго, рискът от грешки расте. Практически това е разликата между трик и работещ помощник.

Резултатите: топ моделите се справят само частично

Първите тестове показват, че дори водещите AI системи не успяват да изпълнят значителна част от задачите. Сред моделите, които се класират най-високо, са GPT-6 Astra, Claude Opus 5.5 и Gemini 4 Argon.

Преднината им обаче не решава големия проблем. При най-сложните изпитания, които включват между осем и десет последователни действия, дори най-добрите модели успяват само в около една трета от случаите.

Още по-неприятна е картината при модели, разработени специално за управление на роботи. Един от водещите такива модели може да премести отделен предмет. Но почти никога не завършва задачи с пет или повече последователни действия.

Вторият голям проблем: цената на „успешния“ робот

Освен надеждността, изследването откроява и финансовата бариера. При част от най-мощните модели средната цена на една успешно изпълнена задача надхвърля 6 долара.

Пълното оценяване на един модел чрез близо 2000 опита би струвало около 8000 долара. Това поставя въпрос за практическата приложимост на подобни решения извън големите компании и лаборатории.

Защо партньорството Nvidia–INSAIT има значение

Nvidia е сред лидерите в AI разработките, а роботиката и физическият AI са сред стратегическите ѝ приоритети. Компанията се включва в развитието на разработка на INSAIT, а резултатът е LADDER.

Сътрудничеството се отчита и като признание за мястото на българския институт сред международните изследователски центрове. Амбицията е LADDER да стане ориентир за напредъка в роботиката и за следващите поколения интелигентни роботи.

Платформата е публично достъпна и ще се обновява с резултати за нови AI модели. На сайта https://ladderrobotics.ai са публикувани класация, видеозаписи от изпълнението на задачите и пълният текст на научното изследване.

Още новини в категория Технологии

Последвайте ни в Telegram: https://t.me/p26news