# Robota-Embed verhoogt het succespercentage van robots

> Het nieuwe model haalt ervaringen uit eerdere taken op om tijdens het leren betere resultaten te behalen, zowel in simulaties als in de echte wereld.

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

Onderzoekers onder leiding van Yunze Liu hebben Robota-Embed uitgebracht, een model dat visuele, talige en actiegegevens voor robots samenbrengt in één embedding. Het codeert de huidige toestand, visuele input en acties gezamenlijk en haalt vervolgens vergelijkbare eerdere vervolgacties op als context. In tests steeg het succespercentage van 47% naar 56% op de DROID‑Sim-benchmark en van 86% naar 93% op de moeilijke subset van LIBERO. Het model hielp ook een bevroren GPT‑6 Astra-beleid om vijf ManiSkill-taken met een succespercentage van 68% uit te voeren, tegenover 24% voor het beleid alleen.

## De feiten

- Trainingscorpus: 1,695,684 opgeschoonde ankerpunten; benchmark: 4,000 queries en een galerij met 8,000 items
- Gepubliceerd: 2026-10-15

## Waarom het ertoe doet

Robotontwikkelaars kunnen Robota-Embed gebruiken om de prestaties op taken te verbeteren zonder beleid opnieuw te trainen. Dat bespaart rekenkracht en inspanningen voor het verzamelen van gegevens.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-15