Ein Forschungsteam unter der Leitung von Yunze Liu hat Robota-Embed vorgestellt, ein Vision-Language-Action-Embedding-Modell für Roboter. Es kodiert den aktuellen Zustand, visuelle Eingaben und Aktionen gemeinsam und ruft anschließend passende Fortsetzungen aus früheren Erfahrungen als Kontext ab. In Tests stieg die Erfolgsquote beim DROID-Sim-Benchmark von 47 % auf 56 % und beim schwierigen Teilbereich von LIBERO von 86 % auf 93 %. Das Modell verhalf außerdem einer eingefrorenen GPT-6-Astra-Richtlinie bei fünf ManiSkill-Aufgaben zu einer Erfolgsquote von 68 %; ohne das Modell lag sie bei 24 %.
Warum es wichtig ist
Roboterentwickler können mit Robota-Embed die Leistung bei Aufgaben verbessern, ohne Richtlinien neu zu trainieren. Das spart Rechenaufwand und den Aufwand für die Datenerhebung.
