Des chercheurs présentent VICTR, une méthode qui aide les robots dotés de capacités de vision, de langage et d’action à sélectionner les passages pertinents d’une démonstration pendant l’exécution d’une tâche. Plutôt que de retrouver des exemples uniquement en fonction de leur ressemblance visuelle, la méthode estime la progression du robot par rapport à une vidéo de référence, puis fournit à une politique π0.5 des segments de démonstration correspondant à l’étape en cours.
Pour des tâches de manipulation réelles inédites et hors du domaine d’entraînement, l’équipe fait état d’un taux de réussite de 23,8 %, contre 6,2 % pour une version de référence de π0.5 affinée. L’article indique également que le taux de progression dans les tâches est passé de 28,9 % à 55,5 % ; il ne permet pas d’établir les performances de la méthode dans des déploiements plus larges.
Pourquoi c'est important
Pour les chercheurs en robotique, VICTR laisse penser que le fait de sélectionner des démonstrations en fonction de la progression dans une tâche pourrait aider les robots à réaliser des manipulations inédites ; les performances au-delà des tests présentés restent inconnues.
