تیمی به سرپرستی کیونگین بایک، SimVLA را معرفی کرده است؛ چارچوبی برای آموزش مدل‌های بینایی‌ـ‌زبان‌ـ‌کنش (VLA) که تماماً از داده‌های شبیه‌سازی‌شده ربات استفاده می‌کند. این سامانه ابتدا با دو مجموعه‌داده بزرگ شبیه‌سازی‌شده آموزش می‌بیند: SimAction که 35 کار جابه‌جایی و دست‌کاری را پوشش می‌دهد، و SimVQA که نظارت دقیق‌ترِ بینایی‌ـ‌زبانی را اضافه می‌کند. پس از آموزش تکمیلی با اجرای شبیه‌سازی‌شده کارها، SimVLA در کارهای دنیای واقعی، از جمله پُرکردن دوباره قفسه‌ها، ریختن مایعات و نظافت، آزمایش شد. این مدل در آزمایش‌ها از سیاست‌هایی بهتر عمل کرد که با 50 نمایش واقعی از همان حوزه آموزش دیده بودند؛ نتیجه‌ای که نشان می‌دهد شبیه‌سازی می‌تواند جایگزین گردآوری پرهزینه داده در دنیای واقعی شود.
چرا مهم است
اگر ربات‌ها بتوانند تنها با شبیه‌سازی یاد بگیرند، تولیدکنندگان می‌توانند دستیارهای خانگی را سریع‌تر و ارزان‌تر توسعه دهند.
