Amazon окончательно переходит от эпохи цифровых «украшений» к реальным инструментам. С запуском Eluna — системы, разработанной подразделением Fulfillment Technologies and Robotics, — компания смещает фокус с пассивных ИИ-помощников на автономных исполнительных агентов. Они больше не просто «предлагают» — они действуют. Главная проблема обычных больших языковых моделей (LLM) в условиях склада — их врожденная склонность к галлюцинациям под нагрузкой и игнорирование скучных регламентов. Решение Amazon заключается не в увеличении размера модели, а в создании для нее более жестких рамок.
Главное
Переход от текстовых инструкций к исполняемым графам (DAG). Использование мультиагентной архитектуры для фильтрации индустриального шума. Метод асимметричной эпизодической дистилляции для обучения малых моделей у «учителей». Достижение 94% точности в экспертных задачах, таких как обработка сервисных заявок.
Eluna в корне пересматривает стандартные операционные процедуры (SOP). Теперь это не текстовые документы, которые сотрудники просматривают по диагонали, а направленные ациклические графы (DAG). Кодируя логику в эти строгие структуры, Amazon заставляет ИИ следовать предписанным путям принятия решений. Это эффективно устраняет «творческие» ошибки, характерные для обычного промптинга, и гарантирует, что система придерживается сценария в мультисистемных средах, где малейшее отклонение стоит тысяч долларов из-за простоя.
Путь к надежной автоматизации складов лежит не в том, чтобы научить модели больше думать, а в том, чтобы оставить им меньше пространства для маневра.
Чтобы справиться с огромным объемом промышленного шума, фреймворк Eluna использует мультиагентную архитектуру с прогрессивным раскрытием данных. Вместо того чтобы загружать в контекстное окно все состояние склада сразу, система выводит только ту информацию, которая релевантна для текущей задачи. Это дополняется асимметричной эпизодической дистилляцией: компактная и быстрая модель-«ученик» перенимает опыт от тяжеловесной модели-«учителя», анализируя скорректированные траектории ее работы. В результате система получается достаточно легкой для диагностики робототехнических конвейеров в реальном времени и при этом достаточно точной, чтобы достигать 94% уровня согласия с экспертами при обработке технических тикетов.
Настоящий сдвиг здесь заключается в переходе к среде с постоянным исполнением кода. Пока остальная индустрия одержима чат-интерфейсами, Amazon развернула систему, которая относится к ИИ как к функциональному блоку цепочки поставок. Заменяя ручной мониторинг исполняемой логикой, Eluna доказывает: будущее за инструментами, которые интегрированы в физические процессы, а не просто ведут с вами диалог.