# Robota-Embed migliora il successo dei robot con embedding unificati

> Il nuovo modello recupera esperienze robotiche passate per migliorare l’apprendimento in contesto e aumentare il tasso di successo nelle simulazioni e nel mondo reale.

Oossa · 2026-10-15 · https://oossa.com/it/robota-embed-boosts-robot-task-success-with-unified-vision-language-action-embed

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.

## I fatti

- Corpus di addestramento: 1,695,684 ancoraggi ripuliti; benchmark: 4,000 query e una galleria di 8,000 elementi
- Pubblicato: 2026-10-15

## 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.

## Fonti e riferimenti

1. [Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution](https://arxiv.org/abs/2610.19495) – arXiv cs.RO, 2026-10-15

Ultimo aggiornamento: 2026-10-15