MIT-ov AI iz slike slaže robotski plan, ali tvornica je teži ispit

MIT-ov istraživački tim predstavio je hibridni AI sustav koji izravno pretvara vizualne ulazne podatke u izvršne akcijske planove za robote, eliminirajući potrebu za ručnim programiranjem putanja. Sustav kombinira parirani model vida i jezika s planerskim prevoditeljem koji simulirane sekvence pretvara u izvršni kod — arhitektura koja postiže prosječnu uspješnost od 70% u kontroliranim laboratorijskim uvjetima.

Ova brojka znači gotovo dvostruko bolji učinak od standardnih referentnih točaka u navigacijskim zadacima. Ključna inovacija leži u integraciji generativnih modela s formalnim planerima, što sustavu omogućava rješavanje problema izvan dosega dosadašnjih pristupa koji su se oslanjali isključivo na neuronske mreže ili klasične simboličke metode.

Rezultati će biti predstavljeni na konferenciji ICLR 2026. u Rio de Janeiru, što dodatno potvrđuje akademsku ozbiljnost pristupa. No za industrijske primjene — od industrijske montaže do logistike — presudno je pitanje kako se sustav ponaša izvan laboratorijskih uvjeta.

Trenutno rješenje ovisi o visokokvalitetnim slikama i stabilnim okolinama, što u praksi ostavlja otvorena pitanja za scenarije s nepredvidljivim osvjetljenjem ili statičkim smetnjama. Sustav još uvijek nije testiran u uvjetima visokog šuma ili oštećenih senzora — situacije uobičajene u skladištima i proizvodnim pogonima tijekom radnog dana.

Za robotiku u zatvorenim okolinama poput montažnih traka ili skladišnih prostora s kontroliranim uvjetima, ovaj pristup već sada obećava značajne uštede u vremenu i resursima. Prepovlavanje vremena planiranja zadataka moglo bi značajno smanjiti proizvodne zastoje.

Ipak, industrija zahtijeva rješenja koja neće samo raditi u demonstraciji, već i u uvjetima gdje jedan pogrešan korak košta milijune. Prijelaz iz laboratorija u realne uvjete ostaje ključni izazov — posebno u scenarijima s oštećenim senzorima ili dinamičkim preprekama koje zahtijevaju adaptivno ponašanje u stvarnom vremenu.