У серпні 2026 року дослідники оприлюднили на arXiv статтю про архітектуру SUN, яка поєднує мовне керування роботом, навчання на реальних траєкторіях і збереження набутої поведінки у вигляді персистентних програм — а не лише у вагах нейромережі чи в одноразовому текстовому промпті.
Проблема, яку намагається закрити SUN, знайома кожному, хто будував агентів на базі LLM для фізичних систем: мовна модель добре планує дії в межах одного сеансу керування, але щойно сеанс завершується, весь напрацьований контекст — які маневри спрацювали, яких помилок варто уникати, як саме інтерпретувати задачу — зникає разом із ним. Наступного разу робот знову починає «з чистого аркуша», навіть якщо вчора вже виконав майже ідентичну задачу.
За нашою оцінкою, саме в цьому й полягає практичний сенс новини: SUN — це крок до агентів, які не забувають свій код поведінки між сесіями керування роботом. За даними arXiv, архітектура об'єднує три компоненти — мовне керування, навчання і реальні робото-політики — саме навколо ідеї персистентності.
Що конкретно пропонує SUN?
SUN об'єднує три елементи, які в більшості сучасних систем існують окремо: мовний інтерфейс керування, механізм навчання на досвіді та виконавчі робото-політики, що фактично рухають маніпулятором чи шасі. Замість того щоб мовна модель щоразу генерувала план дій наново, результат навчання фіксується у форматі персистентної програми — структури, яка переживає завершення сеансу і може бути викликана знову, доповнена або виправлена в наступному запуску.
Формат «програми» тут важливий сам по собі: на відміну від ваг нейромережі, код можна прочитати, перевірити крок за кроком і відредагувати вручну, не перенавчаючи всю модель. Для команд, що відповідають за безпеку роботизованих систем, це принципова відмінність — помилку в програмі можна знайти й виправити, помилку в мільярдах параметрів практично неможливо.
Чим це відрізняється від звичного підходу до мовних роботів?
Більшість сьогоднішніх LLM-керованих роботів працюють за схемою «оркестратор без пам'яті»: мовна модель отримує задачу, розкладає її на кроки й передає роботизованій політиці, а після завершення сеансу всі проміжні висновки губляться разом із контекстним вікном. Якщо робот повторно стикається з тією самою задачею, рішення або тримають у дедалі довшому системному промпті — що дорого й крихко, — або окрему політику перенавчають під конкретний сценарій.
SUN пропонує третій шлях: зберігати вивчену поведінку не в проміжному тексті й не виключно у вагах, а в persistent-програмі, яка живе між сеансами керування так само, як звичайний код живе між запусками застосунку. Питання вартості такої персистентності перегукується з тим, що ми вже розбирали у матеріалі про вартість оновлення кешованої пам'яті LLM-агентів: зберігати стан завжди має свою ціну — обчислювальну чи інженерну.
Кому це полегшить розробку роботизованих агентів?
Найбільше від такого підходу виграють команди, які будують роботів для повторюваних, але варіативних задач — складання на конвеєрі, сортування, побутова автоматизація — там, де умови щоразу трохи інші, а базова логіка поведінки повторюється. Персистентна програма дає змогу накопичувати досвід інкрементально, замість того щоб щоразу переучувати політику з нуля.
- Розробники агентів отримують перевірюваний, версійований артефакт поведінки, який можна тестувати як звичайний код.
- Команди безпеки отримують точку контролю: програму можна аудитувати до розгортання на реальному роботі.
- Дослідники отримують спосіб порівнювати підходи не лише за успішністю виконання задачі, а й за тим, наскільки ефективно накопичується досвід між сеансами.
Водночас це дослідницька архітектура, а не готовий продукт: сама концепція поєднання мови, навчання і персистентних програм ще потребує перевірки на масштабі, перш ніж стане практичним стандартом для промислової робототехніки.
Висновок AiiN
Наша теза проста: головна цінність SUN — не в тому, що робот став «розумнішим», а в тому, що знання про його поведінку нарешті отримало форму, яку можна зберігати, перевіряти й переносити між сеансами та, ймовірно, між роботами. Для індустрії, де кожен перезапуск сеансу керування досі означає часткову втрату напрацьованого досвіду, це усуває одне з найдорожчих вузьких місць — не обчислювальне, а організаційне: втрату знання про те, «що вже спрацювало».
Що таке персистентна програма в контексті SUN?
Це структурований запис вивченої поведінки робота, який зберігається окремо від ваг моделі та від контексту конкретного діалогу, тому переживає завершення сеансу керування і може бути повторно використаний або відредагований у наступному запуску.
Чи означає SUN кінець fine-tuning для робото-політик?
Ні. SUN доповнює навчання політик механізмом збереження й повторного використання результату, а не замінює саме навчання — політики й далі потрібно тренувати на реальних або симульованих траєкторіях.
Коли чекати на практичне застосування SUN?
Наразі це дослідницька архітектура з arXiv, тож перш ніж вона з'явиться в комерційних робото-платформах, підхід має пройти перевірку на ширшому наборі задач і роботів — конкретних термінів дослідники не називають.