ИИ-фреймворк связал навигацию роботов и горизонты чёрных дыр
Исследователи представили фреймворк, который обучает непрерывное поле метрики всего одним контрастивным loss. Модель кодирует сцену в коэффициенты симметричного матричного базиса, собирает их в элемент алгебры Ли и применяет экспоненту, получая метрику Римана или Лоренца.
Такой подход позволяет описывать геометрию в разных размерностях. В тестах на навигации роботов система строила геодезические линии, обходящие препятствия, причём как на плоскости, так и в пространстве конфигураций манипулятора. В другом сценарии та же архитектура выявляла структуры, похожие на горизонты событий чёрных дыр в лоренцевом пространстве-времени.
По данным авторов, контрастивное обучение спонтанно приводит к появлению структур, соответствующих корректной лоренцевой сигнатуре. Это означает, что модель не просто запоминает отдельные конфигурации, а улавливает переносимые геометрические закономерности, что подтверждают эксперименты на zero-shot обобщение.
Особенность работы в том, что один и тот же loss, архитектура и протокол обучения порождают весь спектр геометрических явлений — от простых плоских траекторий до релятивистских объектов. По формулировке авторов, поле знает геометрию, а геометрия знает физику.
Практическое значение может оказаться широким. Единая метрическая модель способна упростить разработку систем автономного управления, а также стать инструментом для симуляции физических процессов в искривлённом пространстве-времени.
Пока речь идёт о научной публикации на arXiv, и до практического внедрения, вероятно, потребуются дополнительные тесты. Тем не менее, возможность находить общие геометрические принципы в столь разных областях выглядит интригующей.
