# VICTR förbättrar robotars uppgifter med hjälp av demonstrationsförlopp

> Forskargruppen uppger att VICTR höjde framgångsgraden på oprövade manipulationsuppgifter i verkliga miljöer till 23,8%, jämfört med 6,2% för en finjusterad baslinje.

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

Forskarna presenterar VICTR, en metod som hjälper robotar med syn-, språk- och handlingsförmåga att välja användbara delar av en demonstration medan de utför en uppgift. I stället för att hämta exempel enbart utifrån visuell likhet uppskattar metoden hur långt roboten har kommit jämfört med en referensvideo. Därefter tillförs en π0.5-policy demonstrationssekvenser från motsvarande skede.

På oprövade manipulationsuppgifter i verkliga miljöer, utanför träningsdomänen, uppger forskargruppen en framgångsgrad på 23,8%, jämfört med 6,2% för en finjusterad π0.5-baslinje. Artikeln rapporterar också att uppgiftsförloppet ökade från 28,9% till 55,5%; den visar inte hur metoden fungerar vid bredare användning.

## Fakta

- VICTR använder en förloppsestimator som tar hänsyn till en referensdemonstration, en språkinstruktion och den aktuella observationen.
- Rapporterad framgångsgrad: 23,8% för VICTR jämfört med 6,2% för den finjusterade π0.5-baslinjen.

## Varför det spelar roll

För robotikforskare tyder VICTR på att det kan hjälpa robotar att klara obekanta manipulationsuppgifter om demonstrationer matchas efter hur långt uppgiften har kommit. Hur metoden fungerar utöver de tester som rapporterats är fortfarande okänt.

## Källor och referenser

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

Senast uppdaterad: 2026-11-09