Robotti oppi 34 minuutissa sen, mihin kilpailija tarvitsi 1,5 vuorokautta

Timothy Duggan, Pierrick Lorang, Hong Lu ja Matthias Scheutz kehittivät Tufts-yliopistossa robottitekoälyn, joka yhdistää neuroverkon symboliseen päättelyyn. Heidän järjestelmänsä ratkaisi Hanoin tornien pulman 95-prosenttisella onnistumisasteella, kun vertailukohtana ollut standardi vision-language-action -malli eli VLA pärjäsi vain 34-prosenttisesti. Tutkimus julkaistiin arXivissa helmikuussa 2026 ja esitellään toukokuun ICRA-robotiikkakonferenssissa Wienissä.

Mitä tutkijat tekivät

Hanoin torni on klassinen pulma, jossa kolmelta sauvalta pitää siirtää renkaita pienemmäksi kasvavassa järjestyksessä ilman, että suurempi rengas joutuu pienemmän päälle. Tutkijat kouluttivat hybridimallin tehtävään 34 minuutissa. Perinteiseen VLA-malliin kului yli puolitoista vuorokautta, ja koulutusenergiaa paloi satakertainen määrä. Toimintavaiheessa hybridi käytti noin prosentin verrokin energiasta.

Vaikeammassa muunnoksessa, jota kumpikaan malli ei ollut nähnyt aiemmin, hybridi onnistui 78-prosenttisesti. Standardi VLA epäonnistui jokaisessa yrityksessä.

Miten hybridi toimii

VLA-mallit oppivat tehtävät suoraan pikseleistä ja tekstiohjeista, mikä vaatii valtavan harjoitusaineiston ja laskentatehon. Scheutzin tiimin ratkaisu jakaa työnjaon kahtia: neuroverkko tunnistaa kamerasyötteestä muodot, balanssin ja esineiden keskinäiset suhteet, mutta varsinaisen päätöksen siitä, mikä rengas liikkuu minne, tekee symbolinen päättelykerros. Se toimii kuin sääntömoottori, joka tuntee Hanoin tornien logiikan.

Tulos on kapeampi, mutta tarkempi järjestelmä. Neuroverkkoa ei tarvitse kouluttaa pulman kombinatoriikkaa varten, koska symbolinen osa hoitaa sen. Juuri tästä syntyy energiasäästö: iso osa laskennasta siirtyy muutamaan logiikkasääntöön, jotka ajavat nanosekunneissa tavallisella prosessorilla.

Symbolinen tekoäly oli 1980-luvun valtavirtaa ja päätyi sivuraiteelle, kun syvät neuroverkot veivät voiton kuvantunnistuksessa ja kielimalleissa. Viimeisen vuoden aikana neuro-symbolisia menetelmiä on palannut useista laboratorioista: Google DeepMindin AlphaGeometry ratkaisi matematiikkaolympialaisten ongelmia samalla periaatteella, ja IBM Researchin Neuro-Vector-Symbolic Architecture on kerännyt huomiota abstrakteissa päättelypulmissa. Tuftsin paperi sijoittuu tähän aaltoon, mutta painopiste on nimenomaan energiatehokkuudessa.

Suomalainen rinnakkaisraide

Aalto-yliopiston Probabilistic Machine Learning -ryhmä, jota johtaa professori Samuel Kaski, työskentelee läheisen ongelman parissa. Heidän lähestymistapansa on probabilistinen päättely yhdistettynä neuroverkkoihin, eli eri tekniikka kuin Tuftsin symboliset säännöt, mutta sama perusidea: älä pakota neuroverkkoa oppimaan kaikkea, vaan sisällytä osa tiedosta laskennan rakenteeseen. Kaski toimii myös ELLIS Institute Finlandin johtajana ja on julkisesti korostanut, että probabilistinen rakenne pienentää tarvittavaa dataa ja siten laskentaa.

Mitä tämä ei vielä tarkoita

Hanoin torni on pulma, jolla on suljettu ratkaisualgoritmi. Symboliset säännöt on helppo kirjoittaa, koska pelin logiikka on täysin tunnettu. Todellisessa robotiikassa, kuten keittiössä tai varastossa, säännöt ovat sumeammat. Tutkimus ei osoita, että neuro-symbolinen lähestymistapa skaalautuu sinne, ainakaan ilman merkittävää asiantuntijatyötä sääntöpohjan rakentamiseen.

Toinen varaus: prosentin koulutusenergia saavutettiin, kun vertailukohta oli tietty VLA-arkkitehtuuri. Uudempia energiaoptimoituja VLA-malleja paperi ei vertaile. Siksi sata kertaa pienempi kulutus on tarkka kuvaus tästä kokeesta, ei koko alan tilanteesta.

Mitä tämä tarkoittaa käytännössä

Suomalaiselle robotiikkakehittäjälle tulos tarjoaa konkreettisen ohjeen: neuroverkon ei tarvitse tehdä kaikkea. PK-yrityksessä, jolla on rajatut GPU-resurssit, hybridirakenne voi olla realistinen reitti toimintavalmiiksi prototyypiksi. Ennen kuin hankit isomman grafiikkakortin, mieti, voisiko osa logiikasta siirtyä symbolisiin sääntöihin. Aallon ProbML-ryhmä ja VTT ovat kotimaisia osoitteita, joista löytyy hybridimallien osaamista.