---
title: "Використання новітніх моделей ШІ для навчання роботів"
url: "https://www.faktyua24.com/vikoristannya-novitnih-modeley-shi-navchannya-robotiv-2b1ed3/"
published: "2026-11-11T21:55:54+02:00"
modified: "2026-11-11T21:55:54+02:00"
section: "Технології"
language: "uk"
publisher: "Факти Україна 24"
---

# Використання новітніх моделей ШІ для навчання роботів

- Новітні моделі штучного інтелекту дозволяють автоматизувати створення симуляцій для навчання робототехніки.
- Дослідники використовують такі інструменти як GPT-6 Sol та Nvidia Isaac Sim для розробки складних навичок роботів.
- Автоматизація тренувань у віртуальному середовищі може суттєво прискорити впровадження роботів у промисловість та торгівлю.

Застосування передових мовних моделей, зокрема OpenAI GPT-6 Sol, дозволило значно прискорити процес програмування та навчання віртуальних роботів. Використовуючи ШІ, розробники можуть створювати тривимірні симуляції фізичного світу та переносити отримані навички на реальні пристрої, такі як робот Microduck від компаній Pollen Robotics та Hugging Face.

Професор Каліфорнійського університету в Берклі Кен Голдберг разом зі своєю командою за допомогою моделі Astra продемонстрував здатність ШІ створювати детальні 3D-симуляції реальних сцен лише за годину. Це значно скорочує час, який раніше витрачався на рутинну роботу під час налаштування параметрів освітлення, матеріалів та позиціювання камер.

> Що нас усіх вразило, так це те, що протягом години воно створило повну 3D-симуляцію з усіма налаштованими параметрами — положенням камери, освітленням, фоном та всіма матеріалами.

— Кен Голдберг, професор Каліфорнійського університету в Берклі

Інші дослідження підтверджують цей прогрес. Цього тижня на Конференції з навчання роботів (CoRL) в Остіні, штат Техас, дослідник Nvidia Джим Фан представив фреймворк Aspire. Він дозволяє роботам самостійно вивчати складні навички, такі як розв’язання головоломки кубик Рубіка або малювання картин за допомогою маніпуляторів.

> Він бере його, намагається повернути, але має неправильний кут. Потім він дуже, дуже довго міркує, але врешті-решт здатний вирішити завдання, тому що вчиться навичкам з часом.

— Джим Фан, дослідник Nvidia

Попри досягнуті успіхи, експерти зазначають, що надійна робота роботів у реальних умовах залишається складним інженерним завданням. Проте через простоту та швидкість навчання, промислові компанії вже виявляють інтерес до нових підходів, що можуть кардинально змінити сфери автоматизації та електронної комерції.