В преддверии Дня российской науки Сбербанк опубликовал технический отчёт Green-VLA, посвящённый развитию ключевой технологии физического искусственного интеллекта (Physical AI) — моделей Vision-Language-Action (VLA). Эти модели позволяют роботам понимать окружающий мир, интерпретировать инструкции и выполнять осмысленные физические действия.
Отчёт представляет открытое руководство по созданию архитектуры управления роботами — от обучения моделей до настройки их поведения. Материал включает методологию создания и обучения VLA-моделей.
С отчётом можно ознакомиться на arXiv и Hugging Face.
Green-VLA представляет собой очередной этап в формировании технологического стека Physical AI. VLA-модели выступают в качестве связующего элемента между восприятием окружающей среды, интерпретацией задач и выполнением физических действий. Такой подход позволяет создавать более автономные, надёжные и универсальные робототехнические системы.
Green-VLA разработан как открытая методология обучения, а не как готовый универсальный контроллер для роботов. Архитектура включает этап базового предобучения с последующей дообучением и адаптацией под конкретную роботизированную платформу. Это обеспечивает гибкость решения и возможность его масштабирования.
Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка: «Технология VLA становится «мозгом» физического искусственного интеллекта: Vision Action Language модели превращают зрение и язык в исполняемое действие. Именно такие решения помогли сделать нам собственного ИИ-робота. В Green-VLA мы показываем, как сделать этот слой инженерно надёжным — с переносимостью между роботами и выравниванием поведения с помощью обучения с подкреплением, чтобы модель работала не только в демо, но и в воспроизводимых сценариях и бенчмарках. Сбер планирует делиться своими наработками для развития отечественной экосистемы ИИ и робототехники, предоставляя исследователям и инженерам инструмент для создания инновационных решений».
