Robotar som lär sig på jobbet – utan att behöva omprogrammeras

arXiv cs.AI

Forskare har tagit fram VLRLA, ett ramverk som låter robotmodeller (så kallade VLA-modeller som kopplar samman syn, språk och rörelse) förbättra sig under drift – utan att modellens parametrar ändras. Systemet bygger på förstärkningsinlärning (reinforcement learning) som matar in historik om vad roboten sett, gjort och hur det gick, så att den gradvis blir bättre på uppgifter den inte tränat på. Det intressanta här är egentligen enkelheten i idén: istället för att skicka tillbaka modellen till träning låter man den lära sig i fält, som en ny anställd som hittar sin rytm.