پژوهشگرانی به سرپرستی یونزه لیو، Robota-Embed را عرضه کردند؛ مدلی برای تعبیه‌سازی بینایی، زبان و کنش در ربات‌ها. این مدل وضعیت فعلی، ورودی بصری و کنش‌ها را با هم رمزگذاری می‌کند و سپس ادامه‌های مرتبط از تجربه‌های گذشته را برای استفاده به‌عنوان زمینه بازیابی می‌کند. در آزمایش‌ها، نرخ موفقیت را در بنچمارک DROID‑Sim از 47% به 56% و در زیرمجموعه دشوار LIBERO از 86% به 93% رساند. این مدل همچنین به سیاست GPT‑6 Astra که وزن‌هایش ثابت نگه داشته شده بود کمک کرد در پنج وظیفه ManiSkill به موفقیت 68% برسد؛ درحالی‌که این رقم برای خود سیاست به‌تنهایی 24% بود.
چرا مهم است
توسعه‌دهندگان ربات می‌توانند با Robota-Embed عملکرد ربات در انجام وظایف را بدون آموزش دوباره سیاست‌ها بهبود دهند و در هزینه محاسباتی و گردآوری داده صرفه‌جویی کنند.
