Un nuovo metodo chiamato Time-to-Goal (T2G) mira ad aiutare i robot a pianificare percorsi più lunghi assegnando costi inferiori agli stati che richiedono meno tempo per raggiungere un obiettivo. I ricercatori lo addestrano su dati di traiettorie offline, senza etichette di ricompensa o di policy, e lo usano al posto del consueto costo euclideo verso l’obiettivo, mantenendo congelati l’encoder e il predittore del modello del mondo.
Nei risultati riportati nell’articolo, T2G ha aumentato il successo medio nella pianificazione dal 32.7% al 63.0% in quattro benchmark di navigazione e manipolazione, avvicinandosi ai risultati delle baseline gerarchiche JEPA o, in alcuni casi, superandoli. L’articolo è stato inviato ad arXiv il November 4, 2026.
Perché conta
Per i ricercatori di robotica che usano modelli del mondo non gerarchici, i risultati riportati suggeriscono che una metrica appresa per calcolare il costo verso l’obiettivo potrebbe migliorare il successo nella pianificazione sui benchmark senza riaddestrare l’encoder o il predittore del modello; qui non viene dimostrato che le prestazioni siano analoghe sui robot reali.
