Исследовательская группа под руководством Фурон Хуан (Furong Huang) из Мэрилендского университета в Колледж-Парке разработала модель μ₀, которая демонстрирует более высокую эффективность в задачах робототехнического управления по сравнению с моделью π₀.₅ при использовании в 100 раз меньшего объёма обучающих данных.
Лаборатория Фурон Хуан, доцента кафедры компьютерных наук Мэрилендского университета, опубликовала результаты разработки модели μ₀ — робототехнической модели мира, способной обучаться на значительно меньших объёмах данных, чем существующие аналоги. По данным исследователей, μ₀ превосходит модель π₀.₅, разработанную ранее в рамках проекта π₀, при использовании всего 1% от объёма данных, необходимых для обучения конкурирующей системы.
Модель μ₀ ориентирована на решение задач робототехнического управления в условиях ограниченных данных. Как отмечается в сопроводительных материалах, ключевым преимуществом новой разработки стала способность генерировать реалистичные сценарии взаимодействия робота с окружающей средой на основе минимального количества примеров. Это позволяет сократить затраты на сбор и разметку данных, что критически важно для применения в реальных промышленных и бытовых системах.
Разработка вызвала интерес в академическом сообществе. Кристофер Мэннинг (Christopher Manning), профессор Стэнфордского университета и директор Стэнфордской лаборатории ИИ, прокомментировал публикацию: «Это важный шаг к созданию более доступных и адаптируемых робототехнических систем». По его словам, снижение зависимости от больших объёмов данных открывает новые возможности для применения ИИ в областях, где сбор обучающих выборок затруднён или экономически нецелесообразен.
Результаты исследования доступны в открытом доступе на платформе GitHub. В ближайшие месяцы команда планирует опубликовать подробный технический отчёт с анализом архитектуры модели и результатов экспериментов.
Источники: X-пост Фурон Хуан, 14 июня 2026; репозиторий μ₀ на GitHub.