Claude Opus 4.7 налаштував чотириногого робота швидше за людей
Модель Claude Opus 4.7 від Anthropic майже автономно підключила датчики, написала код і керувала чотириногим роботом у Project Fetch, виконавши завдання в 20 разів швидше за інженерні команди.
Anthropic провела нову фазу експерименту Project Fetch, в якій мовна модель Claude Opus 4.7 майже автономно налаштувала й керувала чотириногим роботом. Тест показав, що модель виконала набір інтеграційних і програмних завдань у 20 разів швидше за інженерні команди людей.
За повідомленням компанії, Opus 4.7 сама підключила відеодатчики та лідар, написала програму для ручного керування роботом, створила систему моніторингу траєкторії та налаштувала алгоритм розпізнавання предметів. У порівнянні з командою, що використовувала більш старі версії ШІ, модель працювала в 18 разів швидше, а порівняно з людьми без допомоги чатбота — у 37 разів швидше. Код, згенерований моделлю, виявився приблизно в десять разів коротшим за код людських команд.
Anthropic зазначає, що раніше, у серпні 2024 року, співробітники компанії без досвіду в робототехніці використовували ШІ як допоміжний інструмент для пошуку рішень. У поточній стадії тестування Claude працювала під мінімальним наглядом дослідника і виконала більшість завдань самостійно. Компанія також вказує, що для керування апаратним забезпеченням не застосовувалися спеціалізовані алгоритми; прогрес пов’язують із загальним масштабуванням мовних моделей.
У тестах модель змогла довести робота до цілі, але не впоралася з точною фізичною дією: завдання акуратно підштовхнути м’яч у певну точку виявилося складним через потребу у зворотному зв’язку в реальному часі. Anthropic констатує, що люди наразі перевершують ШІ у тонких маніпуляціях, які вимагають миттєвого фізичного реагування.
Компанія називає результати кроком до появи так званих «фізичних ШІ-агентів», здатних використовувати стандартні інструменти й обладнання. Також Anthropic повідомила про тимчасове призупинення доступу до частини своїх моделей 13 червня у відповідь на директиву щодо експортного контролю з боку уряду США.
Результати Project Fetch демонструють, що великі мовні моделі можуть швидко виконувати завдання зі збору даних, планування й програмування для робототехніки, але мають обмеження в точному фізичному контролі, зазначили в компанії.
Матеріали на GNcrypto надаються виключно з інформаційною метою і не є фінансовою порадою. Ми намагаємось забезпечувати точність та актуальність даних, однак не можемо гарантувати їхню повну достовірність чи надійність. GNcrypto не несе відповідальності за можливі помилки, упущення або фінансові збитки, що можуть виникнути внаслідок використання цієї інформації. Усі дії ви здійснюєте на власний ризик. Завжди проводьте власне дослідження та звертайтесь до фахівців. Детальніше дивіться на наших сторiнках Умови, Політика конфіденційності та Дисклеймер.
Статті цього автора
