Maszyny zyskują poczucie czasu. System DAAAM od MIT redefiniuje pamięć robotów

Większość współczesnych autonomicznych systemów operuje w stanie ciągłej amnezji. Maszyna monitorująca halę produkcyjną czy robot sprzątający skupiają się na tym, co znajduje się bezpośrednio przed ich czujnikami, rzadko wykraczając poza doraźne zadanie nawigacyjne. Inżynierowie z MIT oraz Uniwersytetu Technologicznego w Norymberdze postanowili to zmienić, prezentując system DAAAM (Describe Anything Anywhere Anytime). To nowatorskie podejście do robotyki poznawczej, które wprowadza strukturę pamięci długoterminowej przypominającą ludzką zdolność do kojarzenia faktów z konkretnymi momentami w czasie.

Dlaczego to ważne teraz

Publikacja architektury DAAAM w czerwcu 2026 roku zbiega się z rosnącym zapotrzebowaniem na tzw. suwerenną inteligencję (Sovereign AI) oraz roboty zdolne do pracy w domach opieki i magazynach. Zdolność do budowania grafów sceny 4D sprawia, że maszyny przestają być tylko wykonawcami komend, a zaczynają rozumieć historię i kontekst przestrzeni, co udowodniono podczas testów w scenariuszach OC-NaVQA.

Architektura czwartego wymiaru

Tradycyjne metody mapowania otoczenia są statyczne. Robot zapisuje klatki obrazu, tworząc trójwymiarowy model przestrzeni, który szybko staje się nieaktualny. DAAAM wprowadza do tego równania czwarty wymiar: czas. Zamiast prostych zdjęć, system buduje tzw. grafy sceny 4D. Każdy wykryty obiekt otrzymuje swój unikatowy znacznik czasu oraz opis tekstowy wygenerowany w języku naturalnym. Dzięki temu maszyna nie tylko widzi rzeźbę na korytarzu, ale potrafi stwierdzić, czy została ona przesunięta względem poprzedniej wizyty.

„Ten system zbliża roboty do długoterminowej pamięci, śledząc nie tylko, co widzą, ale także gdzie i kiedy to widziały” — wyjaśnia Nicolás Gorlo z zespołu projektowego. Połączenie mapowania 3D i dużych modeli językowych (LLM) sprawia, że maszyna potrafi odpowiedzieć na pytania, które do tej pory były dla algorytmów zagadką, np. „jak długo te drzwi były otwarte?” lub „gdzie zostawiłem portfel?”.

Efektywność ponad obciążenie

Największym wyzwaniem przy wdrażaniu zaawansowanych modeli wizyjno-językowych (VLM) w robotyce jest ich ogromne zapotrzebowanie na moc obliczeniową. Modele te są zazwyczaj zbyt ociężałe, by analizować każdą klatkę wideo w czasie rzeczywistym bez paraliżowania ruchu maszyny. Zespół pod kierownictwem Luki Carlone zastosował inteligentne grupowanie danych (batch processing).

System selekcjonuje jedynie najbardziej czytelne ujęcia i opisuje wiele obiektów jednocześnie, co pozwoliło na dziesięciokrotne przyspieszenie przetwarzania względem poprzednich metod. W efekcie robot zachowuje płynność ruchu na poziomie 10 klatek na sekundę, budując jednocześnie kompleksową bazę wiedzy o otoczeniu.

Praktyczne zastosowania i bariery technologiczne

Wyniki testów przeprowadzonych w połowie czerwca 2026 roku są obiecujące. DAAAM poprawił dokładność udzielanych odpowiedzi o ponad 53% w porównaniu do obecnych standardów rynkowych. Luca Carlone podkreśla: „DAAAM daje robotom długoterminową pamięć, przypinając opis językowy do map 3D”.

Mimo sukcesów, technologia nie jest wolna od wad. Twórcy przyznają, że system wciąż miewa skłonności do halucynacji — potrafi „dorysować” klamkę w windzie na podstawie statystycznego prawdopodobieństwa. Co więcej, obecne wymagania sprzętowe ograniczają zastosowanie DAAAM do powolnych robotów naziemnych; drony wciąż mają zbyt mały zapas mocy obliczeniowej, by udźwignąć taką architekturę.

Krok w stronę otwartej robotyki

Deklaracja zespołu z MIT o udostępnieniu kodu źródłowego i zbiorów danych jako open-source może stać się punktem zwrotnym dla branży. To szansa na standaryzację sposobu, w jaki systemy autonomiczne uczą się interpretować upływ czasu. Jeśli maszyny mają naprawdę pomagać nam w codziennych obowiązkach, muszą posiadać spójną i wiarygodną pamięć o tym, jak zmieniał się ich świat godzinę, dzień czy tydzień temu.