پژوهشگران VICTR را معرفی کرده‌اند؛ روشی که به ربات‌های بینایی-زبان-کنش کمک می‌کند هنگام انجام یک وظیفه، بخش‌های مفید یک نمایش را انتخاب کنند. این روش به‌جای بازیابی نمونه‌ها صرفاً بر اساس شباهت بصری، برآورد می‌کند ربات در مقایسه با یک ویدیوی مرجع تا کجای کار پیش رفته است و سپس بخش‌هایی از نمایش مربوط به همان مرحله را در اختیار سیاست π0.5 می‌گذارد.
این گروه در وظایف دست‌کاری دنیای واقعیِ ناآشنا و خارج از دامنه، نرخ موفقیت 23.8% را گزارش کرده است؛ در مقایسه با 6.2% برای مدل پایه π0.5 که تنظیم‌دقیق شده بود. مقاله همچنین گزارش می‌کند که میزان پیشرفت در انجام وظیفه از 28.9% به 55.5% رسیده است؛ اما مشخص نمی‌کند این روش در استقرار گسترده‌تر چه عملکردی دارد.
چرا مهم است
برای پژوهشگران رباتیک، VICTR نشان می‌دهد تطبیق نمایش‌ها بر اساس میزان پیشرفت در انجام وظیفه شاید به ربات‌ها کمک کند از پس وظایف دست‌کاری ناآشنا بربیایند؛ عملکرد این روش فراتر از آزمون‌های گزارش‌شده هنوز مشخص نیست.
