Mit RoboACE schlagen Forschende einen Weg vor, wie Roboteragenten besser werden können, indem sie sowohl die Übungsaufgaben als auch die Abläufe zu ihrer Bewältigung überarbeiten. Das Framework ist auf eingefrorene Foundation-Modelle ausgelegt und wechselt zwischen Anpassungen des Übungscurriculums und Änderungen an der Ausführungsumgebung.
In den Tests der Forschenden erreichte der daraus entstandene Einsatz mit eingefrorenem Modell auf LIBERO-PRO eine Erfolgsquote von 74,0 Prozent. Das waren 15 Prozentpunkte mehr als beim ursprünglichen Einsatz und 13,5 Prozentpunkte mehr als bei der direkten Ausführung durch den Vision-Language-Action-Controller.
Warum es wichtig ist
Für Robotikforschende, die untersuchen, wie sich die Fähigkeiten von Robotern ohne Änderungen am zugrunde liegenden Modell verbessern lassen, meldet RoboACE Fortschritte durch eine gezieltere Auswahl von Übungsaufgaben und überarbeitete Ausführungsabläufe. Ob sich diese Fortschritte auch auf andere Aufgaben außerhalb der getesteten LIBERO-Familie übertragen lassen, ist noch offen.
