Des chercheurs dirigés par Yunze Liu ont présenté Robota-Embed, un modèle d’embeddings vision-langage-action destiné aux robots. Il encode ensemble l’état actuel, les données visuelles et les actions, puis retrouve des séquences similaires issues d’expériences passées pour les utiliser comme contexte. Lors des tests, le taux de réussite est passé de 47 % à 56 % sur le benchmark DROID‑Sim et de 86 % à 93 % sur le sous-ensemble difficile de LIBERO. Le modèle a également permis à une politique GPT‑6 Astra gelée de réussir cinq tâches ManiSkill avec un taux de 68 %, contre 24 % pour la politique seule.
Pourquoi c'est important
Les développeurs en robotique peuvent utiliser Robota-Embed pour améliorer les performances sans réentraîner les politiques, ce qui réduit les besoins en calcul et les efforts de collecte de données.
