Google Research представила VERID для управления лабораторными роботами с помощью AI-агентов

Центральный компонент представленной Google Research системы – VERID, цифровая модель лабораторного рабочего места, которая обновляется по ходу эксперимента. Она хранит не просто список команд для робота, а объёмное представление установки: геометрию манипулятора, количество жидкости в отдельных лунках, состав реагентов и запас наконечников для пипеток. Агент планирует протокол переноса жидкостей, проверяет его в симуляции и запускает на роботе; изображения с нескольких камер и текущее состояние установки помогают уточнять действия в следующих циклах. Система построена поверх открытого фреймворка PyLabRobot.

Такое представление нужно потому, что корректный программный код ещё не гарантирует корректный опыт. Восьмиканальная пипетка может физически не поместиться в узкую ёмкость, а команда набрать жидкость из пустой лунки не выполнится, даже если синтаксис безупречен. На результат влияют и эффекты, которые трудно выразить простой последовательностью команд: смешивание, остатки вещества на стенках наконечника, расположение жидкостей. В одном из показанных экспериментов видеозапись и журнал выполнения помогли обнаружить неравномерное распределение красителя после подачи жидкости слишком близко ко дну лунки. Агент изменил способ смешивания с учётом наблюдения.

В другом случае сохранённое состояние цифровой модели позволило продолжить опыт после сбоя считывателя планшетов, не повторяя перенос жидкости. Симулятор также отклонил попытку забора жидкости восьмиканальной пипеткой из слишком узкой ёмкости. После этого агент перестроил план и поставил диагностический опыт, который помог выделить влияние остатков вещества на стенках наконечника. Здесь обратная связь меняет не только следующую команду роботу, но и то, какой эксперимент проводить дальше. Журнал действий фиксирует процедурные детали, включая время ожидания, испарение и расположение образцов на планшете.

Исследователи показали и замкнутый цикл проверки: агент последовательно проектировал и выполнял опыты, пытаясь восстановить состав скрытых смесей красителей по изображениям сверху. Между запусками он выявлял ошибки, связанные с изображением и движением жидкости; по данным Google, точность улучшилась более чем в пять раз. Компания связывает направление работы с поиском молекул, связывающихся с белковыми мишенями, в том числе для онкологических исследований. Однако приведённые примеры VERID объясняют прежде всего, как согласовать действия агента с реальной лабораторной установкой: результаты опытов с красителями нельзя сами по себе считать проверкой метода разработки лекарств.