Un team guidato da Kyoungin Baik ha presentato SimVLA, un framework che addestra modelli visione-linguaggio-azione (VLA) esclusivamente con dati robotici simulati. Il sistema apprende inizialmente da due ampi dataset simulati: SimAction, che comprende 35 attività di manipolazione mobile, e SimVQA, che aggiunge una supervisione dettagliata visiva e linguistica. Dopo un ulteriore addestramento su sequenze simulate, SimVLA è stato testato in attività reali come rifornire gli scaffali, versare liquidi e pulire. Nei test ha ottenuto risultati migliori rispetto a policy addestrate su 50 dimostrazioni reali, dimostrando che la simulazione può sostituire la costosa raccolta di dati nel mondo reale.
Perché conta
Se i robot possono imparare esclusivamente tramite simulazione, i produttori potrebbero sviluppare assistenti domestici in modo più rapido ed economico.
