Un gruppo di ricerca guidato da Yunze Liu ha presentato Robota-Embed, un modello di embedding visione-linguaggio-azione per robot. Il modello codifica insieme lo stato attuale, l’input visivo e le azioni, quindi recupera continuazioni passate pertinenti da usare come contesto. Nei test, il tasso di successo è salito dal 47% al 56% sul benchmark DROID‑Sim e dall’86% al 93% sul sottoinsieme difficile di LIBERO. Il modello ha inoltre permesso a una policy GPT‑6 Astra congelata di completare cinque attività di ManiSkill con un tasso di successo del 68%, contro il 24% ottenuto dalla sola policy.
Perché conta
Gli sviluppatori di robot possono usare Robota-Embed per migliorare le prestazioni nelle attività senza riaddestrare le policy, risparmiando risorse di calcolo e lavoro di raccolta dei dati.
