Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Робот научился приспосабливаться к новым положениям предметов и составным заданиям, не меняя базовую модель управления. В препринте Columbia University и Princeton University, который не проходил рецензирование, все числа получили сами авторы: на новых составных задачах доля успеха выросла с 40,1% у лучшего метода сравнения до 71,3%. Часть адаптации можно вынести из дорогого дообучения модели в программную обвязку.
EmbodiedRSI хранит конкурирующие гипотезы о том, как изменить управляющий код и навыки робота. Перед очередной физической попыткой система оценивает, какой опыт сильнее сократит неопределённость с учётом его стоимости, а затем проверяет выбранные изменения из одинаковых начальных состояний. Базовая модель при этом остаётся замороженной.
Код и навыки меняются совместно: система отдельно проверяет каждый компонент и их сочетание, после чего сохраняет только подтверждённые связи. Память удерживает траектории, гипотезы и повторяющиеся закономерности, а обучение с подкреплением отбирает записи, которые помогают в следующих попытках.
На RoboCasa365 EmbodiedRSI достиг 77,0% успеха против 63,6% у лучшего метода сравнения. После 50 физических эпизодов результат составил 72,9% против 27,1% при случайном выборе опытов. Разбор компонентов связывает разницу и с выбором информативных попыток, и с совместным изменением кода и навыков.
Метод проверяли в симуляторах RoboCasa365 и LIBERO-Pro, а затем перенесли обвязку на физический манипулятор SO-101. На реальных заданиях общий результат вырос с 46,0% до 71,3%. Перенос без дополнительной настройки относился именно к обвязке: SmolVLA заранее дообучили на демонстрациях для каждого задания и заморозили на время испытаний.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
