2026. augusztus 1., szombat · Kutatás

Pegasus: emberi videókból tanulható robotadat generálása

Kutatók Pegasus néven olyan keretrendszert mutatnak be egy nem lektorált arXiv-preprintben, amely emberi manipulációs videókat alakít robotok számára tanulható adattá. A szerzők szerint a fő probléma nem a modellarchitektúra, hanem az adathiány: rengeteg emberi kézmozdulatot rögzítő videó elérhető, de a robotok az eltérő testfelépítés miatt nem tanulhatnak közvetlenül belőlük. A módszer állításuk szerint gráf alapú köztes reprezentációt épít – Feladatgráfból Affordancia- és Megkötés-gráfokon át Robot Tervezési Gráfig –, majd egy fizikai ellenőrző kiszűri a kinematikailag lehetetlen generálásokat. A megoldást a GTEA Gaze+ és az EPIC-KITCHENS-100 adathalmazokon, több robotmegtestesülésen tesztelték, és a szerzők megbízható embertől robotig terjedő adatátvitelről számolnak be. Mivel a publikáció még nem lektorált preprint, az eredmények független megerősítésre szorulnak.

Miért fontos?

A módszer, ha beválik, olcsóbbá és skálázhatóbbá tehetné a robottanításhoz szükséges adatgyűjtést a drága fizikai adatfelvétel helyett.

Források

OpenAI Hivatalos arXiv cs.AI Preprint

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. augusztus 1., szombat napi AI összefoglaló része.

Kapcsolódó hírek

World Labs szimulációs motorral gyorsítaná a robottanítást

A Fei-Fei Li által alapított World Labs bemutatta a Real-to-Sim-to-Real (R2S2R) nevű rendszerét, amely egyetlen valós robotfeladatból ezernyi szimulált variációt hoz létre a vezérlőmodellek betanításához. A cég állítása szerint a technológia – amely a júliusban felvásárolt SceniX startuptól származik – a robotot, az érzékelőket és a környezetet interaktív virtuális világgá alakítja, amely fizikailag is úgy viselkedik, mint az eredeti. World Labs szerint a fő akadály nem a modellarchitektúra, hanem a megbízható működéshez szükséges tapasztalat mennyisége, amit valós teszteléssel drágán és nehezen lehetne biztosítani. A vállalat közlése szerint a szimulációban betanított modelleket valós hardveren, köztük a nyílt forráskódú ALOHA robotplatformon is kipróbálták, órákig megbízhatóan működtek. Az állítások egyelőre a cég saját közleményéből származnak, független megerősítés nem ismert.

NVIDIA RoboLab: új értékelési platform az általános célú robotirányítási modellek tesztelésére

Az NVIDIA Research bemutatta a RoboLab nevű platformot, amely a robotikában használt általános célú irányítási modellek (policy-k) szisztematikus értékelésére szolgál szimulált környezetben. A rendszer az NVIDIA szerint megoldja a korábbi benchmarkok fő problémáit: a vizuális és feladatbeli átfedést a tréning- és tesztadatok között, a benchmarkok telítődését, valamint a magas beállítási költséget, miközben robotfüggetlen, gyorsan skálázható feladat- és jelenetgenerálást kínál. A platform részletes diagnosztikai eszközöket integrál, köztük részleges pontszámítást, SPARC-alapú mozgásminőség-elemzést és hibaeseménynaplózást. Az NVIDIA tervei szerint a RoboLab funkcionalitása 2026 augusztusától beépül az NVIDIA Isaac Lab-Arena rendszerébe.

Kis brit startup AI-ügynöke állítása szerint lekörözte az OpenAI-t és az Anthropicot

Az Inherent nevű londoni AI-labor, amelyet volt Google DeepMind-kutatók alapítottak, saját közlése szerint Faraday nevű AI-ügynöke felülmúlta az Anthropic Claude Opus 4.8 és az OpenAI GPT-5.5 modelljeit egy konkrét feladatban: publikált tudományos cikkek eredményeinek önálló, előzetes válasz nélküli reprodukálásában. A cég állítása szerint a Faraday ehhez a jóval kisebb, 27 milliárd paraméteres Qwen 3.6 modellt használja a frontier-méretű riválisok helyett, és megerősítéses tanulással próbálja megtanítani neki a „kutatói érzéket” is, vagyis hogy mely kísérletek érdemesek elvégzésre. A startup nemrég 50 millió dolláros seed-körrel lépett ki a stealth módból. Az eredmények kizárólag a vállalat saját közléséből származnak, független megerősítés egyelőre nincs.

Kutatás: az AI-biztonsági tesztek megjátszhatók és félrevezetőek

Egy brit UK AI Security Institute kutatóit is tartalmazó csapat pszichológiai tesztelésből ismert módszerekkel vizsgált meg nyolc népszerű nyelvimodell-biztonsági benchmarkot, 192 modell több mint 5000 kérdésre adott válaszát elemezve. A tanulmány szerint az egyetlen „biztonsági pontszám” valójában három, egymástól nagyrészt független tulajdonságot kever össze: a kérések elutasításának szigorát, a válaszok igazmondását és a kontextustól függő ártalmas tartalmak kezelését. A HarmBench és az OR-Bench-Hard benchmark ellentétes irányba mozdítja a pontszámot, így egy modell puszta elutasítási hajlandósággal is javíthatja összesített értékelését, miközben kevésbé hasznossá válik. A kutatók szerint a kérdéseknek mindössze kevesebb mint 2 százaléka hordoz tényleges mérési információt.