Forskare under ledning av Yunze Liu har lanserat Robota-Embed, en modell för inbäddningar av syn, språk och handling för robotar. Den kodar aktuellt tillstånd, visuella indata och handlingar tillsammans och hämtar sedan relevanta tidigare fortsättningar som kontext. I tester ökade den framgångsgraden från 47% till 56% på benchmarktestet DROID‑Sim och från 86% till 93% på den svåra delmängden av LIBERO. Modellen hjälpte också en fryst GPT‑6 Astra-policy att klara fem ManiSkill-uppgifter med 68% framgång, jämfört med 24% för enbart policyn.
Varför det spelar roll
Robotutvecklare kan använda Robota-Embed för att förbättra uppgiftsprestanda utan att träna om policyer, vilket sparar beräkningskraft och arbete med datainsamling.
