# GazeAct tränar robotar med hjälp av mänsklig blickdata

> En datamängd kopplar ihop robotdemonstrationer med synkroniserad mänsklig blickdata. Enligt forskarna ökar uppgifternas framgång när blicken vägleder träningen, trots att robotarna inte använder blickdata under körning.

Oossa · 2026-10-20 · https://oossa.com/sv/gazeact-uses-human-eye-tracking-to-train-robot-policies

Forskare har presenterat GazeAct, en datamängd från verkliga robotar och en träningsmetod som kopplar ihop 12,000 demonstrationer inom 40 uppgifter med mänsklig blickdata inspelad med 300 Hz. Blickdatan hjälper till att träna vision-language-action-policyer att fokusera på relevanta objekt och platser. Enligt forskarna behöver robotarna inte blickdata när de utför uppgifterna.

I 18 uppgifter i verkliga miljöer rapporterar forskarna att den genomsnittliga framgångsgraden ökade från 48.1% till 58.6%, med förbättringar på upp till 25 procentenheter. De rapporterar också en ökning på LIBERO-Spatial-benchmarken, från 57.9% till 69.6%.

## Fakta

- 12,000 demonstrationer inom 40 uppgifter och fem domäner, med blickdata synkroniserad vid 300 Hz.
- Rapporterad genomsnittlig framgångsgrad i 18 uppgifter i verkliga miljöer: 48.1% till 58.6%.

## Varför det spelar roll

För robotforskare erbjuder GazeAct ett sätt att använda operatörers ögonrörelser som vägledning vid träning, utan att kräva blicksensorer när robotarna används. Det är fortfarande oklart om förbättringarna håller i sig utanför de redovisade testerna.

## Källor och referenser

1. [GazeAct: A Human-Gaze-Annotated Manipulation Dataset for Attention-Regularized Policies](https://arxiv.org/abs/2610.24507) – arXiv cs.RO, 2026-10-20

Senast uppdaterad: 2026-10-20