I ricercatori presentano TinyAstral, un metodo per trasferire a un modello più piccolo i miglioramenti apportati agli strumenti, al feedback e alla logica di recupero di un agente robotico. Su RoboTwin, il team riferisce che il miglioramento del harness del modello insegnante ne ha portato il tasso di successo dal 33.4% al 63.6%; il modello allievo distillato da 4B ha raggiunto il 62.8%.
Secondo i ricercatori, negli episodi di deployment misurati il modello allievo ha utilizzato circa un quinto del tempo di accelerazione richiesto dal modello insegnante. Il lavoro è un articolo pubblicato su arXiv; l’abstract non descrive una convalida indipendente.
Perché conta
Per i team che usano agenti robotici, la riduzione di cinque volte del tempo di accelerazione riportata potrebbe diminuire le risorse di calcolo necessarie per il deployment, anche se l’abstract non dimostra né una convalida indipendente né prestazioni più ampie nel mondo reale.
