# Robota-Embed hjälper robotar att lyckas med fler uppgifter

> Den nya modellen hämtar tidigare robotupplevelser för att förbättra inlärning i sitt sammanhang. Det höjer framgångsgraden i simuleringar och verkliga uppgifter.

Oossa · 2026-10-15 · https://oossa.com/sv/robota-embed-boosts-robot-task-success-with-unified-vision-language-action-embed

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.

## Fakta

- Träningskorpus: 1,695,684 rensade ankare; benchmarktest: 4,000 frågor och ett galleri med 8,000 poster
- Publicerad: 2026-10-15

## 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.

## Källor och referenser

1. [Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution](https://arxiv.org/abs/2610.19495) – arXiv cs.RO, 2026-10-15

Senast uppdaterad: 2026-10-15