Forschende stellen VICTR vor, eine Methode, mit der Vision-Language-Action-Roboter bei der Ausführung einer Aufgabe nützliche Abschnitte einer Demonstration auswählen können. Statt Beispiele allein anhand visueller Ähnlichkeit abzurufen, schätzt die Methode, wie weit der Roboter im Vergleich zu einem Referenzvideo fortgeschritten ist. Anschließend übermittelt sie einer π0.5-Policy Demonstrationsabschnitte, die zu dieser Phase passen.
Bei unbekannten Manipulationsaufgaben außerhalb des Trainingsbereichs in der realen Welt berichtet das Team eine Erfolgsquote von 23.8%, verglichen mit 6.2% bei einer feinabgestimmten π0.5-Baseline. Der Studie zufolge stieg auch der Aufgabenfortschritt von 28.9% auf 55.5%. Wie sich die Methode in einem breiteren Einsatz bewährt, lässt sich daraus nicht ableiten.
Warum es wichtig ist
Für die Robotikforschung deutet VICTR darauf hin, dass ein Abgleich von Demonstrationen anhand des Aufgabenfortschritts Robotern bei unbekannten Manipulationsaufgaben helfen könnte. Wie die Methode über die untersuchten Tests hinaus abschneidet, ist noch offen.
