У препринті на arXiv під ідентифікатором 2608.16889v1 з'явився метод BATON — підхід до керування роботом-маніпулятором, розрахований саме на довгі, багатокрокові задачі, де стандартні політики маніпулювання зазвичай ламаються вже на третьому-четвертому кроці. Назва прямо відсилає до естафети: робот не повинен «впустити» контекст задачі, передаючи керування від однієї підзадачі до наступної.

Проблема, яку атакує BATON, добре відома інженерам, що будують робото-маніпулятори для складання, пакування чи побутових задач. Модель, натренована end-to-end на демонстраціях коротких дій — взяти предмет, поставити предмет, — деградує, щойно задачу треба розтягнути на десяток кроків: помилки накопичуються, межі між підзадачами розмиті, а сама модель не «пам'ятає», що саме вона вже зробила два кроки тому.

За даними arXiv, автори пропонують вирішувати це через agentic subtask exploration — тобто передають частину відповідальності за декомпозицію задачі агенту, який досліджує варіанти розбиття на підзадачі, а не йде за одним жорстко прописаним сценарієм.

У чому саме проблема «довгого горизонту» для роботів?

Головна складність — накопичення помилки. Проста арифметика це ілюструє: якщо кожен крок виконується з імовірністю успіху 95%, то ланцюжок із десяти кроків спрацює лише приблизно у 60% випадків, а довший — ще рідше. До цього додаються типові слабкі місця маніпуляційних політик:

Саме останній пункт і є мішенню BATON: замість фіксованого сценарію — дослідження підзадач.

Що конкретно означає «агентне дослідження підзадач»?

Судячи з назви й опису в джерелі, ідея в тому, що окремий агентний компонент відповідає не за виконання руху, а за пошук робочого розбиття задачі на підзадачі — і за передачу стану («естафетної палички») між ними так, щоб контекст не губився при переході. Це логічне продовження тренду, який уже кілька років живе в LLM-агентах для софту (декомпозиція задачі, дослідження варіантів, відкат при невдачі) — тільки тепер перенесене у фізичний світ, де ціна помилки вища: невдалий крок — це не зайвий виклик API, а реально впущений предмет чи зламана деталь.

Застереження: детальний опис архітектури, бенчмарків і кількісних результатів BATON у доступному нам матеріалі відсутній — повна анотація препринту нам не була надана. Тому судити про конкретні цифри приросту точності чи назви тестових середовищ ми не можемо і не вигадуватимемо їх заднім числом.

Кому це може знадобитися вже зараз?

Пряма аудиторія — команди, що будують роботів для складання, пакування на складах чи побутових задач (кухня, прибирання), де сценарій дії природно розтягується на 10+ кроків і одна пропущена підзадача ламає весь ланцюжок. Ми вже писали, як колишні інженери SpaceX будують роботизовану фабрику для сталевих деталей — і саме в таких виробничих сценаріях надійність довгих ланцюжків дій є вузьким місцем, а не другорядною деталлю.

Для дослідників і AI-білдерів, що працюють на межі LLM-агентів і робототехніки, BATON — ще один сигнал: методи декомпозиції задач і дослідження варіантів, які вже стандартні для агентів у софті, активно переносять у фізичну маніпуляцію. Варто стежити, чи з'явиться відкритий код або демо-відео — на момент публікації препринту цієї інформації в доступному нам матеріалі не було.

Висновок AiiN

Наша теза: назва BATON влучно фіксує головну відмінність фізичної робототехніки від софтверних агентів — у коді невдалу спробу можна просто повторити, а в маніпуляції впущена «естафетна паличка» посеред довгого ланцюжка дій часто означає фізично зіпсований результат, який не відкотити назад. Тому дослідження в напрямку agentic subtask exploration цінні не самим фактом «агент планує задачу» (це вже звично для LLM-агентів), а тим, наскільки надійно система відновлюється після часткової невдачі без повного рестарту всієї задачі. Це і є практичний критерій, за яким варто оцінювати подібні роботи, коли з'явиться повний текст статті з бенчмарками.

Що таке long-horizon manipulation простими словами?

Це задачі для робота-маніпулятора, які складаються не з одного руху, а з ланцюжка залежних кроків — наприклад, дістати деталь, зорієнтувати її, вставити, закрутити кріплення. Що довший ланцюжок, то вища ймовірність, що помилка на одному кроці зіпсує весь результат.

Чим BATON відрізняється від звичайного планувальника задач?

За назвою джерела, ключова відмінність — у слові «exploration»: замість одного заздалегідь заданого плану агент досліджує варіанти розбиття задачі на підзадачі. Деталі механізму дослідження та метрик порівняння з базовими підходами в доступному нам матеріалі не наведені.

Чи є код BATON у відкритому доступі?

На момент виходу препринту на arXiv, ідентифікатор якого — 2608.16889v1, інформації про публічний реліз коду чи демонстрацій у наявному нам матеріалі немає. Якщо реліз з'явиться, це буде видно на сторінці препринту.