Hedra представила Model Factory для обучения и улучшения ИИ-моделей в робототехнике

Американская технологическая компания Hedra 10 ноября 2026 года представила Model Factory – платформу для создания специализированных ИИ-моделей на основе существующих решений. Она объединяет вычислительную инфраструктуру, дополнительное обучение, оптимизацию производительности и инструменты непрерывного улучшения моделей после их внедрения. Сервис предназначен для разработчиков робототехники, промышленных систем, биологических исследований и оборонных технологий.

Главная особенность Model Factory заключается в применении подхода Recursive Self-Improvement (RSI), или рекурсивного самоулучшения. Он предусматривает последовательный цикл экспериментов, оценки результатов и корректировки моделей с использованием автономных ИИ-агентов. При этом процесс остается под контролем исследователей, которые определяют цели обучения и проверяют качество полученных решений.

Как работает Hedra Model Factory

Для адаптации модели заказчик предоставляет базовую ИИ-систему и данные, связанные с конкретной задачей. Это могут быть видеозаписи, информация с датчиков, результаты компьютерных симуляций или параметры промышленного оборудования. Hedra размещает вычисления в изолированной GPU-среде, после чего специалисты компании совместно с ИИ-агентами организуют дополнительное обучение.

В процессе используются мультимодальные модели, способные анализировать изображения, видео и другие типы информации. Они помогают оценивать обучающие данные, формировать обратную связь и проводить эксперименты с различными настройками. Такой подход позволяет адаптировать уже существующую модель к конкретным условиям, не создавая новую систему с нуля.

После завершения обучения заказчик может развернуть модель на собственных серверах или в партнерском дата-центре Hedra. Для устройств с ограниченными вычислительными ресурсами предусмотрена оптимизация моделей с помощью дистилляции – метода уменьшения вычислительной сложности при сохранении необходимых возможностей.

Разработчик также предлагает использовать данные, поступающие после внедрения модели, для ее дальнейшего улучшения. Исследователи анализируют результаты работы и организуют новые циклы обучения, а обновленные версии выпускаются после прохождения проверок, установленных заказчиком.

Какие результаты показала технология

В качестве одного из примеров Hedra представила оптимизацию модели Krea 3, предназначенной для генерации и редактирования изображений. По данным компании, время обработки изображений разрешением 2K удалось сократить приблизительно с 22 до 3,6 секунды, то есть примерно в шесть раз. Работа заняла менее недели и проводилась на одинаковой аппаратной конфигурации из четырех ускорителей AMD Instinct MI355X.

Ускорение стало результатом нескольких изменений, включая дистилляцию модели, оптимизацию вычислений и сокращение числа шагов генерации с 30 до 14. Поэтому показатель нельзя считать универсальным приростом производительности Model Factory: он относится к конкретной модели, тестовой нагрузке и выбранным настройкам.

В другом эксперименте Hedra улучшила способность видеомодели H3 воспроизводить физические процессы. После дополнительного обучения ее результат в тесте Physics-IQ повысился с 30,3 до 34,9 балла. Этот тест, разработанный при участии Google DeepMind, оценивает, насколько реалистично генеративные видеомодели отображают движение объектов, столкновения и другие физические явления.

Компания также сообщила, что дистиллированная версия видеомодели смогла создавать пятисекундные ролики менее чем за три секунды на ускорителях AMD MI355X. Однако высокая скорость генерации сама по себе не гарантирует физическую точность всех созданных сцен.

Эксперимент с роботизированным захватом

Отдельное исследование Hedra было посвящено адаптации роботизированной системы после замены захвата – устройства, которым робот удерживает и перемещает предметы. Подобные изменения могут нарушать работу ранее обученной модели, поскольку геометрия и параметры нового оборудования отличаются от исходных.

В симуляции разработчики заменили захват робота, после чего успешность выполнения заданной операции снизилась почти до нуля. Затем система сопоставила новые параметры захвата с изображением, поступающим с камеры, установленной на роботизированной руке. По заявлению Hedra, это позволило восстановить показатель успешности почти до 100% без повторного обучения модели.

Результат показывает возможность адаптации ИИ к изменениям оборудования с помощью корректировки представления о его параметрах. Однако испытание проводилось в виртуальной среде, поэтому его нельзя считать подтверждением надежности метода на реальных промышленных роботах.

Где будет применяться Model Factory

Hedra рассчитывает использовать платформу для разработки специализированных ИИ-систем, способных работать с физическими объектами и процессами. В робототехнике такие решения могут применяться для управления манипуляторами, сортировки предметов и адаптации оборудования к новым задачам. В промышленности и научных исследованиях они могут помогать анализировать данные датчиков и оптимизировать работу сложных систем.

Сооснователь и генеральный директор Hedra Майкл Лингельбах (Michael Lingelbach), ранее занимавшийся исследованиями обучения с подкреплением в Стэнфордском университете и Nvidia, считает, что следующий этап развития ИИ будет связан с его применением в физическом мире. Для этого компания предлагает объединить специализированную исследовательскую поддержку с автоматизированными экспериментами и вычислительной инфраструктурой.

Hedra Model Factory уже доступна для корпоративных заказчиков. Однако механизмы рекурсивного самоулучшения на сайте компании обозначены как исследовательское направление с предварительным доступом. Стоимость корпоративного обслуживания, результаты масштабных промышленных внедрений и подтвержденная экономия вычислительных ресурсов пока не раскрыты.