# Två kameravinklar förbättrar robotars inlärning

> Forskare visar att en modell med flera kameravinklar ökar robotars träffsäkerhet med upp till 20 procent jämfört med modeller som använder en enda kameravinkel.

Oossa · 2026-10-21 · https://oossa.com/sv/dual-camera-video-model-boosts-robot-learning-across-embodiments

Oliver Hausdörfer och hans team har tagit fram en ny modell för latenta handlingar som använder synkroniserade bilder från två kameror. Modellen uppskattar handlingar med sex frihetsgrader mer träffsäkert och ökar avkodningsprecisionen med 17 procent jämfört med versioner med en enda kameravinkel. När modellen integrerades i en robotpolicy ökade framgångsgraden på benchmarkuppgifter med 13,5 procent, jämfört med 6,2 procent för baslinjen med en enda kameravinkel. I tester i verkliga miljöer, där en robot härmade demonstrationer med mänskliga händer, gav modellen med två kameravinklar 20 procent fler lyckade körningar under 850 försök.

## Fakta

- Publicerad 2026-10-21
- LAM med två kameravinklar ökar avkodningsprecisionen med 17 procent och framgångsgraden för robotpolicyn med upp till 20 procent

## Varför det spelar roll

Förbättringen innebär att robotar kan lära sig nya färdigheter från vanliga videor med färre demonstrationer, vilket underlättar för laboratorier med begränsad mängd data från fjärrstyrning.

## Källor och referenser

1. [Multi-View Latent Action Pretraining for Cross-Embodiment Robot Learning from Videos](https://arxiv.org/abs/2610.27794) – arXiv cs.RO, 2026-10-21

Senast uppdaterad: 2026-10-21