Почему традиционное программирование роботов не масштабируется
Кодировать роботов – всё равно что собирать мебель без инструкций: приходится вручную подгонять восприятие, динамику контактов, конфигурацию и отлавливать ошибки выполнения. Системы типа code-as-policy позволяют написать программу на естественном языке, но они работают в «грубой» среде: получают только общий фидбэк «задача выполнена/не выполнена». При сбое неясно, виновата ли камера, планировщик, захват или сам контроллер. И после завершения задачи всё исправление забывается – очередной робот‑агент не опытнее предыдущего.
ASPIRE: агентическое программирование через итеративное исследование
Группа исследователей из NVIDIA, Университета Мичигана, UIUC, UC Berkeley и CMU представила ASPIRE – систему непрерывного обучения, которая пишет, отлаживает и сохраняет исправления в виде переиспользуемой библиотеки навыков.
Три ключевых компонента
- Замкнутый цикл исполнения. Вместо единственного «успех/провал» система собирает подробные мультимодальные трассы: входы‑выходы каждой функции восприятия, планирования и управления, RGB‑кадры, предложения захватов, позы объектов и результаты планировщика. При ошибке агент смотрит только на те вызовы, которые привели к сбою, локализует причину и проверяет исправление повторным запуском.
- Библиотека навыков. Хранит не полные программы, а компактные «исправления»: эвристики локализации, подсказки для perception‑моделей, ограничения захвата, примитивы движения и отладочные процедуры. Каждый навык содержит подпись ошибки, условие применения, стратегию ремонта и, часто, шаблон кода. Приёмщик допускает в библиотеку только проверенные и безопасные патчи.
- Эволюционный поиск. Чтобы не застрять в локальном «поправляем‑и‑проверяем», ASPIRE генерирует K альтернативных программ на каждом шаге, учитывая лучшие из предыдущих и их оставшиеся ошибки. Таким образом исследуется разнообразие стратегий, а не только улучшение одной.
Как это выглядит на практике
- В симуляции агент использует модель Claude Code (Claude Opus 4.6) с контекстным окном в 1 М токенов.
- Программы пишутся на CaP‑X – открытом фреймворке code‑as‑policy, построенном над MuJoCo Playground.
- Запрещено читать «секреты» симулятора (файлы .bddl, .xml, .urdf и пр.). Если реальный робот с камерой мог бы выполнить задачу, то агент может её видеть.
Почему это важно для вашей команды
Если вы разрабатываете роботов, которые должны быстро адаптироваться к новым заданиям и условиям, ASPIRE даёт вам:
- Автоматическую диагностику ошибок на уровне отдельных примитивов, а не только всей задачи.
- Сокращение времени отладки за счёт переиспользования проверенных навыков в новых сценариях.
- Постепенное накопление опыта: каждый решённый кейс обогащает библиотеку, делая будущие задачи проще.
- Гибкость в выборе стратегии – система не «залипает» на одном подходе, а исследует альтернативные пути решения.
Где можно посмотреть детали
Оригинальная статья ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) и открытый код на GitHub содержат полные описания алгоритма, архитектуру и результаты экспериментов.
