AEGIS: Ett backup-system för fysiska AI-robotar
Forskare har utvecklat AEGIS, ett system som kan upptäcka när robotar är på väg att misslyckas med uppgifter och automatiskt växla till en starkare AI-policy innan det blir för sent. Systemet räddar 10,1% av de trajektorier som annars skulle misslyckas, jämfört med bara 4,6% för alternativa metoder - en betydande förbättring som kan göra robotar mer tillförlitliga i verkliga miljöer.
Djupdykning
Forskare har byggt något som påminner om en backup-reflex för robotar – ett system som känner av när saker håller på att gå fel och automatiskt växlar till en mer kapabel AI-hjärna. AEGIS fungerar genom att övervaka aktiveringsmönster i robotens "svaga" policy och flagga riskfyllda steg innan de leder till fullständig kollaps, varefter kontrollen tillfälligt överlämnas till en kraftfullare men mer resurskrävande policy. Det smarta är timingen: istället för att köra den dyra AI:n hela tiden, aktiveras den bara på 38% av stegen där den verkligen behövs, vilket resulterar i 10% fler framgångsrika uppgifter jämfört med slumpmässig eskalering. Tekniken bygger på insikten att robotmisslyckanden sällan kommer från ingenstans – de byggs upp gradvis genom små fel som förvärrar situationen. Precis som en erfaren kirurg som ber om hjälp när operationen blir komplicerad, skapar AEGIS en hierarki av AI-kompetens där resurser allokeras dynamiskt baserat på uppgiftens svårighetsgrad i realtid.