Des chercheurs dirigés par Yanjun Li ont présenté LANGUAGE-FORCING, une méthode d’entraînement des modèles robotisés de prédiction du monde et des actions à partir de descriptions textuelles de la progression des tâches. Elle aligne les représentations textuelles d’un modèle vision-langage figé sur les images futures prédites par le robot. Elle n’ajoute de surcoût qu’à l’entraînement : le robot fonctionne donc aussi vite qu’avant. Sur le benchmark HumanoidArena, son taux de réussite a atteint 79.17 %, soit 9.46 points de plus que celui de la meilleure politique suivante. Pour cinq tâches en conditions réelles, le taux de réussite est passé de 53.33 % à 71.33 %.
Pourquoi c'est important
Pour les développeurs de robots humanoïdes, cette technique améliore la fiabilité d’exécution des tâches sans ralentir le robot en fonctionnement.
