Ny uppmärksamhetsmodul förbättrar robotrörelser markant utanför träningsdata

arXiv cs.AI

Forskare har utvecklat en modul kallad TFGCA som förbättrar hur robotar planerar rörelser i sekvens – en viktig del i moderna VLA-modeller (system som kombinerar syn, språk och handling). Modulen delar upp rörelser i olika tidsskalor med en våglettsanalys och hanterar även rörelser som befinner sig i väldigt olika riktningar i det matematiska representationsrummet, något som vanlig uppmärksamhetsmekanism hanterar dåligt. Resultaten är tydliga: +6,3 procentenheter på okänd testdata och hela +28,5 på starkt varierade robotmiljöer – de största vinsterna uppstår just när situationen avviker från träningen.