Een team onder leiding van Kyoungin Baik heeft SimVLA uitgebracht, een raamwerk waarmee vision-language-action-modellen (VLA) volledig worden getraind met gesimuleerde robotdata. Het systeem leert eerst van twee grote simulatiegegevenssets: SimAction, met 35 mobiele manipulatietaken, en SimVQA, dat gedetailleerde visuele en taalkundige begeleiding toevoegt. Na verdere training met gesimuleerde taakuitvoeringen werd SimVLA getest op taken in de echte wereld, zoals schappen aanvullen, vloeistoffen inschenken en schoonmaken. Bij deze tests presteerde het beter dan beleidsmodellen die waren getraind op 50 demonstraties uit de echte wereld. Dat laat zien dat simulaties de kostbare dataverzameling in de echte wereld kunnen vervangen.
Waarom het ertoe doet
Als robots uitsluitend uit simulaties kunnen leren, kunnen fabrikanten huishoudrobots sneller en goedkoper ontwikkelen.
