NVIDIA выпустила ASPIRE v1.0: робот решает кубик Рубика
NVIDIA NVlabs выпустила ASPIRE v1.0 — систему непрерывного обучения роботов, которая накапливает навыки вместо весов нейросети и решает кубик Рубика.
NVIDIA открыла код ASPIRE — робот учится как стажёр, а не как нейросеть
NVIDIA Research совместно с университетами Мичигана, Иллинойса, Беркли и Карнеги-Меллона выпустила ASPIRE v1.0 — систему непрерывного обучения роботов нового типа. Вместо градиентного спуска и плавающих весов система накапливает библиотеку сенсомоторных навыков и улучшает их итеративно. В октябре 2026 года опубликован открытый код, а робот на базе GPT-6 Astra уже решает кубик Рубика.
Новый взгляд на обучение роботов
ASPIRE — это система непрерывного обучения для робототехники, которая автономно пишет и уточняет программы управления роботом в парадигме «код как политика» (code-as-policy), одновременно накапливая опыт в многократно используемой библиотеке навыков.
«Обучение» — это не градиентный спуск, а уточнение навыков. «Обученная модель» — это не набор весов, а репозиторий сенсомоторных умений.
ASPIRE позволяет автоматически обнаруживать навыки, которые можно использовать повторно в разных задачах, в симуляции и в реальном мире, а также на разных типах роботов.
Вместо фиксированных, заранее написанных людьми конвейеров, ASPIRE работает в открытом цикле обучения, состоящем из трёх ключевых компонентов: замкнутый движок исполнения с мультимодальными трассами (оверлеи восприятия, кандидаты на захват, траектории движения, обратная связь по столкновениям); непрерывно расширяющаяся библиотека навыков; эволюционная процедура поиска, которая генерирует разнообразные последовательности задач и программы управления.
Архитектура системы
graph TD
A[Координатор] -->|Порождает| B[Агент-актор на задачу]
B -->|Пишет код| C[Программа управления роботом]
C -->|Исполнение| D[Движок выполнения]
D -->|Мультимодальные трассы| E{Успех?}
E -->|Нет| F[Итеративная отладка]
F --> C
E -->|Да| G[Библиотека навыков /skills]
G -->|Повторное использование| B
G -->|Эволюционный поиск| H[Новые стратегии]
Координатор порождает отдельного агента-актора (coding agent) для каждой задачи, что позволяет параллельно учиться сразу нескольким навыкам. Каждый актор уточняет и валидирует программы управления роботом через итеративную отладку с движком исполнения, который предоставляет мультимодальные трассы на уровне примитивов для диагностики отказов и их устранения.
ASPIRE хранит валидированные, самостоятельно обнаруженные паттерны восстановления как многократно используемые навыки в контексте, а не как фиксированный набор примитивов, написанных человеком.
Результаты: от 15% до 99% успеха
В октябре 2026 года вышел ASPIRE v1.0: система теперь умеет решать кубик Рубика и достигает 99% успеха на 80 задачах LIBERO-Pro (Goal / Object / Spatial / Long), а также на отдельных задачах Robosuite и BEHAVIOR-1K.
ASPIRE становится лучше вместе с базовой языковой моделью. На 10 задачах LIBERO-Pro успешность растёт с 15% (GPT-6 Luna) до 99% (Claude Opus 5.5), причём самые мощные модели не всегда самые дорогие. Across LIBERO-Pro, Robosuite и BEHAVIOR-1K модель Claude Opus 5.5 достигает 97–100% успеха на каждой задаче.
Сравнение моделей на LIBERO-Pro (10 задач)
| Модель | Успешность | Относительная стоимость |
|---|---|---|
| GPT-6 Luna | 15% | низкая |
| Claude Opus 4.6 | ~70% | средняя |
| GPT-6 Astra | ~90% | высокая |
| Claude Opus 5.5 | 99% | высокая* |
*Согласно данным NVlabs, Opus 5.5 находится на границе оптимального соотношения цена/качество.
ASPIRE превосходит предыдущие методы на 77% на задачах манипуляции с возмущениями (LIBERO-Pro), на 72% на задаче двуручной передачи Robosuite и на 32% на долгосрочных бытовых задачах (BEHAVIOR-1K).
Реальный мир и перенос из симуляции
Помимо симуляции, ASPIRE демонстрирует перенос навыков на физических роботов (sim-to-real transfer). Реализованные задачи в реальном мире:
- 🎲 Решение кубика Рубика (GPT-6 Astra)
- 🥤 Стакирование стаканов (GPT-6 Astra)
- 💊 Укладка таблетки в тюбик (GPT-6 Astra)
- 🍽️ Уборка стола — Long Horizon Table Bussing (Claude Opus 4.6 / GPT-5.5)
- 🔩 Откручивание крышки бутылки (GPT-6 Astra)
Быстрый старт через coding agent
ASPIRE запускается через coding agent — Claude Code или Codex. Система агностична к конкретному агенту и поставляется с готовыми скиллами для обоих.
# Пример промпта для запуска через Claude Code:
# Clone the main branch of https://github.com/NVlabs/ASPIRE/,
# read the iterative-debugging skill and docs/libero-pro.md,
# and run the complete ASPIRE LIBERO-Pro Goal-Swap Quick Start
# for all ten tasks in the libero_goal_swap suite.
Доступные эксперименты для воспроизведения из статьи:
| Бенчмарк | Эксперимент |
|---|---|
| LIBERO-Pro | Iterative debugging loop |
| LIBERO-Pro | Evolutionary Search |
| Robosuite | Iterative debugging loop |
| BEHAVIOR-1K | Iterative debugging loop |
| LIBERO | Zero-Shot Transfer |
| LIBERO-Long-Pro | Library-Size Scaling |
| LIBERO-Long-Pro | Inference-Time Scaling |
Почему это важно для отрасли
ASPIRE — совместная разработка исследователей из NVIDIA, Университета Мичигана, UIUC, UC Berkeley и CMU. Система представляет собой непрерывное обучение, которое автономно обнаруживает, уточняет и накапливает навыки роботов через цикл «написать — исполнить — отладить», обеспечивая перенос между разными задачами и типами роботов.
Главное отличие от классических подходов к обучению с подкреплением и имитационному обучению — роботу не нужны тысячи демонстраций и дни дообучения на каждую новую задачу. Библиотека навыков растёт органически: агент сталкивается с новой проблемой, отлаживает решение и сохраняет найденную стратегию для будущего использования.
Код доступен на GitHub под лицензией Apache 2.0, препринт опубликован на arXiv (arXiv:2607.00272).