# Robota-Embed با ترکیب بینایی، زبان و کنش، موفقیت ربات‌ها را افزایش می‌دهد

> مدل جدید با بازیابی تجربه‌های قبلی ربات، یادگیری در بستر متن را بهبود می‌دهد و نرخ موفقیت را در شبیه‌سازی و دنیای واقعی بالا می‌برد.

Oossa · 2026-10-15 · https://oossa.com/fa/robota-embed-boosts-robot-task-success-with-unified-vision-language-action-embed

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.

## حقایق

- مجموعه آموزشی: 1,695,684 لنگر پاک‌سازی‌شده؛ بنچمارک: 4,000 پرس‌وجو و گالری 8,000‌تایی
- تاریخ انتشار: 2026-10-15

## 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.

## منابع و ارجاع‌ها

1. [Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution](https://arxiv.org/abs/2610.19495) – arXiv cs.RO, 2026-10-15

آخرین به‌روزرسانی: 2026-10-15