Los investigadores presentan TinyAstral, un método para transferir a un modelo más pequeño las mejoras en las herramientas, la retroalimentación y la lógica de recuperación de un agente robótico. En RoboTwin, el equipo informa que mejorar el sistema del modelo docente elevó su tasa de éxito del 33.4% al 63.6%; un modelo estudiante destilado de 4B alcanzó el 62.8%.
Según los investigadores, el modelo estudiante usó alrededor de una quinta parte del tiempo de acelerador de su modelo docente en los episodios de despliegue medidos. El trabajo es un artículo de arXiv; el resumen no describe una validación independiente.
Por qué importa
Para los equipos que ejecutan agentes robóticos, la reducción de cinco veces en el tiempo de acelerador que se reporta podría disminuir las necesidades de cómputo durante el despliegue, aunque el resumen no demuestra una validación independiente ni un rendimiento más amplio en el mundo real.
