# VICTR повышает успешность роботов, учитывая прогресс выполнения

> По данным исследователей, на новых реальных задачах манипулирования VICTR повысил долю успешных попыток до 23,8% против 6,2% у дообученной базовой модели.

Oossa · 2026-11-09 · https://oossa.com/ru/victr-improves-robot-task-success-using-demonstration-progress

Исследователи представили VICTR — метод, который помогает роботам, воспринимающим визуальные и языковые данные и выполняющим действия, выбирать полезные фрагменты демонстрации во время выполнения задачи. Вместо того чтобы находить примеры только по визуальному сходству, метод оценивает, насколько робот продвинулся относительно эталонного видео, а затем передает политике π0.5 фрагменты демонстрации, соответствующие этому этапу.

На новых реальных задачах манипулирования, выходящих за пределы обучающего распределения, команда сообщает о доле успешных попыток 23,8% против 6,2% у дообученной базовой модели π0.5. В статье также говорится, что прогресс выполнения задач вырос с 28,9% до 55,5%; при этом в ней не оценивается эффективность метода при более широком внедрении.

## Факты

- VICTR использует оценку прогресса, учитывающую эталонную демонстрацию, языковую инструкцию и текущее наблюдение.
- Заявленная доля успешных попыток: 23,8% у VICTR против 6,2% у дообученной базовой модели π0.5.

## Почему это важно

Для исследователей робототехники VICTR показывает, что подбор демонстраций по прогрессу выполнения может помочь роботам справляться с незнакомыми задачами манипулирования; эффективность за пределами описанных испытаний пока неизвестна.

## Источники и ссылки

1. [VICTR: Value-Informed In-Context Learning for Vision-Language-Action Models](https://arxiv.org/abs/2611.08698) – arXiv cs.RO, 2026-11-09

Обновлено: 2026-11-09