Як роботи починають програмувати самих себе
Науковець Пітер Берк продемонстрував, як штучний інтелект здатний самостійно генерувати системи керування – “мозок” – для інших роботів, виконуючи складні завдання з програмування значно швидше за команди розробників. У проєкті використано передові генеративні моделі ШІ, зокрема ChatGPT, Gemini та Claude, для створення повноцінної системи управління дроном, яка працює безпосередньо на його борту.
Берк, професор електротехніки та комп’ютерних наук Каліфорнійського університету в Ірвайні, побудував свій проєкт на основі двох типів “роботів”. Перший – це програмне забезпечення на основі ШІ, яке працює на ноутбуках і в хмарі та відповідає за написання коду. Другий – це сам дрон, який використовує Raspberry Pi Zero 2 W для хостингу та запуску програмного забезпечення, створеного штучним інтелектом, у режимі реального часу.
Зазвичай польоти дронів контролюються через наземні станції з програмами на кшталт Mission Planner чи QGroundControl. Підхід Берка замінює таку систему веб-інтерфейсом WebGCS (web ground control station), який працює прямо на борту дрона. Це дозволяє пілотам отримати доступ до панелі управління через звичайний веб-браузер – з даними телеметрії, плануванням місії та функціями автономної навігації.
Процес розробки системи проходив у чотири інтенсивні етапи. Спочатку для генерації коду використовували Claude, але обмеження пам’яті завадили завершенню проєкту. Наступні спроби з Gemini 2.5 і Cursor IDE дали кращий результат, проте зіткнулися з помилками, зокрема у Bash-скриптах і розподілі коду на кілька файлів.
Четвертий і фінальний етап із використанням Windsurf IDE виявився успішним. За 2,5 тижні й приблизно 100 годин людської роботи ШІ згенерував близько 10 000 рядків коду (Python, HTML, JavaScript та Bash-скрипти). Це приблизно у 20 разів швидше, ніж попередній подібний проєкт Берка – Cloudstation, який група студентів розробляла протягом чотирьох років.
Дослідження продемонструвало сучасні обмеження генеративного програмування: моделі добре працюють із кодом до 10 тисяч рядків, але ефективність різко падає при більших обсягах. Наукова робота підтверджує, що перевищення меж контекстного вікна (токенів) у моделях ШІ знижує точність генерації та відлагодження коду.
Значення цієї роботи виходить далеко за межі дронів. Демонстрація того, що ШІ може автономно створювати складні багатокомпонентні програмні системи, відкриває шлях до майбутнього, де машини зможуть проєктувати та керувати іншими машинами. Хоча наразі система обмежена поодинокими дронами, дослідження натякає на перспективи для роїв дронів, керованих ШІ, автономних застосунків для просторової розвідки та масштабованих автоматизованих платформ керування.
Такі технології можуть радикально змінити сферу повітряної робототехніки, зробивши автономну навігацію, планування та прийняття рішень більш доступними. Однак питання надійності, тестування в непередбачуваних умовах та нагляду за безпекою залишаються головними викликами для майбутнього робототехніки на основі ШІ.