От хаоса к стратегии: эволюция поведения агента
Команда Mirros Lab представила платформу AgentGarten, где искусственный интеллект обучается не через статические датасеты, а через активное взаимодействие с симулированной средой. Ключевой тестовый сценарий — удержание внимания виртуальной собаки в течение 60 секунд. Изначально агенты действовали хаотично, но к четвертому раунду обучения выработали устойчивую стратегию.
В отличие от простых ботов, AgentGarten демонстрирует способность к долгосрочному планированию действий. Агент не просто выполняет команды, а адаптирует тактику в реальном времени, чередуя жесты и физические взаимодействия для максимизации показателя вовлеченности (Engagement Score).
Цифры и метрики эффективности
Результаты обучения наглядно показывают прогресс агента. Если на старте показатель вовлеченности был минимальным, то к финальному раунду система достигла стабильных высоких значений, используя сложную последовательность действий: предложение руки, поглаживания и кратковременная игра с мячом.
| Раунд обучения | Engagement Score (Баллы вовлеченности) | Наблюдаемое поведение |
|---|---|---|
| Round 1 | 13 | Начальные, несинхронизированные действия |
| Round 2 | 14 | Незначительная оптимизация тайминга |
| Round 3 | 19 | Формирование базовой последовательности |
| Round 4 | 19 | Стабильная стратегия: рука → поглаживание → мяч |
Как работает «умная» тактика
К четвертому раунду агент выстроил оптимальный цикл взаимодействия. Он предлагает собаке руку, совершает два поглаживания по груди, затем переключается на игру с мячом, делая необходимые паузы. Такой подход позволяет избежать «пресыщения» питомца и поддерживает высокий уровень интереса на протяжении всего 60-секундного сеанса.
Почему это важно для индустрии
AgentGarten — это не просто игра с виртуальным питомцем. Это полигон для отработки навыков embodied AI (воплощенного интеллекта). Умение ИИ считывать невербальные сигналы, адаптироваться к динамичной среде и поддерживать долгосрочный контакт критически важно для разработки:
- Роботов-компаньонов для пожилых людей и детей.
- Персональных ассистентов с развитым эмоциональным интеллектом.
- Систем, способных работать в непредсказуемых человеческих средах без жесткого программирования каждого шага.
Исходный код и методологии обучения доступны на GitHub, что открывает возможности для сообщества по дальнейшему развитию технологий взаимодействия человека и машины.
Источник: Github ↗