پژوهشگران TinyAstral را معرفی کرده‌اند؛ روشی برای انتقال بهبودهای ابزارها، بازخورد و منطق بازیابیِ عامل رباتیک به مدلی کوچک‌تر. به گزارش گروه، در RoboTwin بهبود چارچوب اجرایی معلم، نرخ موفقیت آن را از 33.4% به 63.6% رساند؛ دانش‌آموز تقطیرشده‌ی 4B به امتیاز 62.8% رسید.
پژوهشگران می‌گویند دانش‌آموز در اپیزودهای استقرارِ اندازه‌گیری‌شده، حدود یک‌پنجم زمان شتاب‌دهنده‌ی معلم را مصرف کرد. این پژوهش مقاله‌ای در arXiv است؛ چکیده از اعتبارسنجی مستقل سخنی نمی‌گوید.
چرا مهم است
برای تیم‌هایی که عامل‌های رباتیک را اجرا می‌کنند، کاهش پنج‌برابریِ گزارش‌شده در زمان شتاب‌دهنده می‌تواند نیازهای محاسباتی استقرار را پایین بیاورد؛ بااین‌حال، چکیده نه اعتبارسنجی مستقل را ثابت می‌کند و نه عملکرد بهتر در دنیای واقعی را.
