Robotar som planerar framåt – och AI-träning utan hemligheter
Robotar lär sig förutse konsekvenser – ett genombrott för maskinintelligens.
Robotar som tänker ett steg framåt
De flesta robotar reagerar. De ser ett föremål, beräknar en rörelse, utför den. Det fungerar — tills det inte gör det. En hand som når lite för snabbt, ett föremål som glider, och hela sekvensen rasar ihop.
Version 0.6.0 av LeRobot, som Hugging Face nyligen lanserade, tar sikte på just det problemet. Ramverket stöder nu så kallade världsmodeller — styrmodeller som tränas att föreställa sig framtida tillstånd innan de fattar beslut. Tänk på det som skillnaden mellan att reagera på ett schackdrag och att faktiskt planera flera drag framåt.
Tre metoder ingår i uppdateringen, var och en med sin egen avvägning mellan förmåga och beräkningskostnad. VLA-JEPA är den mest pragmatiska: under träningen tvingas modellen förutspå kommande bildrutor utifrån sina egna rörelser, men vid faktisk driftsättning är den beräkningstungt framtidsmodulen borta. Man betalar träningskostnaden för förmågan — men inte driftkostnaden. Det är en elegant lösning.
LingBot-VA tar ett djupare grepp och genererar framtida videoflöden och rörelser gemensamt, medan FastWAM kopplar ihop en stor videogenereringsmodell med en kompakt rörelseexpert i ett enda nätverk. Olika verktyg för olika behov, med andra ord.
Men uppdateringen stannar inte vid världsmodeller. LeRobot 0.6.0 introducerar också ett gränssnitt för belöningsmodeller — ett sätt att automatiskt bedöma om roboten faktiskt lyckas med sin uppgift. De två första modellerna som stöds heter Robometer och TOPReward. I kombination med det nya kommandoradsverktyget lerobot-rollout kan man samla in misslyckanden under drift och omvandla dem direkt till ny träningsdata. Det är en praktisk sluten loop: roboten misslyckas, systemet noterar det, och nästa träningsomgång vet mer.
Genomlysning av det som vanligtvis göms undan
Parallellt med robotnyheten fortsätter Hugging Face en bloggserieserie om hur bildgenereringsmodellen PRX faktiskt byggdes. Den senaste delen handlar om träningsdata — ett ämne som de flesta AI-företag håller hårt om.
Det som är slående i deras genomgång är hur medvetet strategiskt deras dataurval är. Träningsdatan består av en blandning av öppna och interna bildsamlingar, och bilderna förses med nya, detaljerade bildtexter med hjälp av en kombinerad språk- och bildmodell. Det hela paketeras i ett strömmingsbart format.
Men det intressantaste är ett principval som går mot intuitionen: teamet valde medvetet att inte gallra bort estetiskt svagare bilder i det tidiga träningsstadiet. Förträning handlar om bredd, förklarar de — att ge modellen en rik begreppslig förståelse för hur världen ser ut i alla dess former. Hårt estetiskt urval tidigt skulle begränsa just den mångfalden. Polering och smakfullhet tillhör ett senare steg: finjustering på noggrant utvalda, mindre datamängder.
De betonar också vikten av långa och detaljrika bildtexter. Övergången från korta till långa beskrivningar förbättrade modellens resultat märkbart — och med tillräcklig detalj kan även störande element i träningsbilderna, som logotyper och vattenstämplar, hanteras utan att bilderna behöver kasseras.
Öppenhet som konkurrensfördel
Det finns ett gemensamt drag i de här två nyheterna som förtjänar att lyftas fram: öppenheten.
LeRobot är öppen källkod. PRX-genomgången delar med sig av principer och designval som de flesta företag betraktar som affärshemligheter. Det är inte naivt välgörenhetsarbete — det är en strategi. Genom att bjuda in världens utvecklare att bygga på, testa och förbättra sitt arbete skapar Hugging Face ett ekosystem som är svårt att konkurrera med bakom stängda dörrar.
De slutna stormakterna har resurser. Men det öppna rörelsen har något annat: kollektiv intelligens i skala.
Vår analys
Det som Hugging Face gör med LeRobot och PRX är inte bara tekniskt intressant — det är ett metodologiskt ställningstagande. Världsmodeller i robotik är ett forskningsområde som länge setts som svårt och beräkningsintensivt. Att det nu finns i ett öppet ramverk som vem som helst kan ladda ned och köra hemma är en milstolpe.
Samma sak gäller PRX-genomgången. Att öppet redovisa hur man resonerade kring träningsdata — inklusive valen man inte tog — är ovärderligt för alla som försöker förstå varför AI-modeller beter sig som de gör. Det sänker tröskeln för oberoende forskning och minskar mystifieringen av vad som annars framstår som svarta lådor.
Utvecklingen pekar mot att öppen AI-forskning håller på att bli genuint konkurrenskraftig, inte bara som ett billigare alternativ utan som en teknisk förebild. Det är en förskjutning som branschen borde ta på allvar.