Когда робот повторяет один знакомый жест, трудно понять, способен ли он действовать по новому заданию. Команда Сянъюя Сю предложила BURGER — испытание, в котором манипулятор получает словесное описание рисунка и сам выбирает последовательность штрихов. Одинаковое пустое поле допускает разные правильные изображения и порядки движения, поэтому запоминания одной траектории^[1] недостаточно.

Авторы собрали 28 200 виртуальных демонстраций по 282 задачам рисования и сравнили пять моделей, связывающих зрение, язык и действия робота. Они изучали влияние разнообразия примеров, понимание пространственных отношений и способность выполнять незнакомые сочетания знакомых предметов. Исследование обнаружило различия между моделями и отдельные случаи переноса навыков на новые композиции.

В работе также показана политика, перенесённая на настоящий манипулятор Franka Panda: робот рисовал, реагируя на вмешательство человека. Но рисунок — специально выбранная задача с контролируемыми движениями, а не универсальный тест работы на кухне или складе. Оценка показывает, какие свойства управления можно измерить сравнительно дёшево, не доказывая общей самостоятельности.

Самое интересное здесь — различие между выученным примером и новым поведением. Обобщение^[2] означает, что система справляется с условиями, которых не было в точности в учебных данных. Однако один эффектный ролик не показывает, сколько попыток завершилось неудачей. Полезно спросить, как выглядели контрольные задания, менялись ли предметы и освещение, кто выбирал удачные демонстрации и какие сравнения проводились. Тогда новая технология становится понятной как проверяемая гипотеза, а не как обещание робота, который уже умеет всё. Здесь важно не качество красивого рисунка само по себе, а способность перенести знакомые элементы на новую композицию. Точность линий и понимание инструкции нужно различать.