Investigadores dirigidos por Yunze Liu presentaron Robota-Embed, un modelo de embeddings de visión, lenguaje y acción para robots. El modelo codifica en conjunto el estado actual, la entrada visual y las acciones; luego recupera continuaciones previas similares para usarlas como contexto. En las pruebas, elevó la tasa de éxito del 47% al 56% en el benchmark DROID‑Sim y del 86% al 93% en el subconjunto difícil de LIBERO. El modelo también ayudó a una política GPT‑6 Astra congelada a completar con éxito cinco tareas de ManiSkill, con una tasa del 68%, frente al 24% de la política por sí sola.
Por qué importa
Los desarrolladores de robots pueden usar Robota-Embed para mejorar el rendimiento en las tareas sin volver a entrenar las políticas, lo que ahorra recursos de cómputo y trabajo de recopilación de datos.
