Onderzoekers presenteren VICTR, een methode die robots met vision-language-action helpt bruikbare delen van een demonstratie te kiezen terwijl ze een taak uitvoeren. In plaats van voorbeelden alleen op basis van visuele gelijkenis op te halen, schat de methode hoe ver de robot is gevorderd ten opzichte van een referentievideo. Vervolgens geeft het systeem demonstratiefragmenten uit de overeenkomstige fase door aan een π0.5-beleid.
Bij onbekende manipulatietaken in de echte wereld die buiten het trainingsdomein vallen, meldt het team een succespercentage van 23,8%, tegenover 6,2% voor een fijn afgestemde π0.5-baseline. Volgens het artikel steeg ook de taakvoortgang, van 28,9% naar 55,5%. Het onderzoek stelt niet vast hoe de methode presteert bij bredere inzet.
Waarom het ertoe doet
Voor roboticaonderzoekers wijst VICTR erop dat demonstraties koppelen op basis van taakvoortgang robots kan helpen bij onbekende manipulatietaken. Hoe de methode buiten de gerapporteerde tests presteert, is nog onbekend.
