Привет, Хабр! Меня зовут Дмитрий Юдин, я являюсь ведущим научным сотрудником лаборатории когнитивных систем искусственного интеллекта AIRI и заведую лабораторией интеллектуального транспорта в Центре когнитивного моделирования Института искусственного интеллекта МФТИ. В последние годы мы с коллегами системно занимаемся трехмерными симуляторами, которые, в том числе, позволяют промоделировать физические взаимодействия между мобильными роботами, манипуляторами или мобильными манипуляторами с объектами 3D‑сцены. 

В этой статье я расскажу про бенчмарк GPUSimBench, созданный вместе с коллегами из Shanghai AI Lab. Написать её мне помог Чжан Хучжэньюй, первый автор работы и выпускник аспирантуры Физтеха. Бенчмарк оценивает производительность, точность и детерминизм семи современных общедоступных робототехнических симуляторов при работе на графических процессорах, а для одной из симуляций мы даже провели настоящий физический эксперимент. Мы представили GPUSimBench на ведущей робототехнической конференции IROS’2026 (статья и код).

Два из трех API-вызовов возвращали HTTP 500. Агенты поколениями лепили заплатки поверх заплаток, пока код не превратился в клубок нейросоплей.

Вместо очередного исправления я перенес систему в чистый контур, где агент пишет новую реализацию, не видя старой.

В статье механизм переноса, 15 правил защиты от новых костылей и эксперимент на 36 запусках DeepSeek: насколько поведение агента зависит от того, какой код и какие правила ему показывают.