注册并分享邀请链接,可获得视频播放与邀请奖励。

cv usk
@cv_usk
AI / Software Research Notes AI Agent, LLMOps, MLOps, Software Architecture 投稿は個人の意見です。
加入 May 2026
286 正在关注    474 粉丝
ロボットは、重みではなく「文脈」でタスクを学べるのでしょうか? World In-Context Learning for Agentic Robot Manipulation ❓ World In-Context Learning(WICL)とは? 💡 重みを凍結した基盤モデルが、1つのデモから出発してシミュレータでリハーサルし、そのフィードバックを重みではなく文脈(Task Memory)に書き込む枠組みです。文脈には物体の役割や手順といった意味的な知識が入るため、見た目が違う環境にも転用しやすいという考えです。 ❓ どれくらい動くのですか? 💡 RoboTwin 2.0の全50タスクで、1デモ・勾配更新なしの平均成功率は83.4%です。50デモで学習した最強の学習ポリシー(61.7%)を21.7ポイント上回ります。クリーンのみでリハーサルしても、ランダム化環境でクリーン成功率の95%以上を維持しました。 ❓ 何が効いているのですか? 💡 アブレーションでは、デモだけをメモリに書くと69.0%、世界でのリハーサルまで行うと78.5%でした(10タスク)。デモも世界も両方必要という結果です。さらに、評価結果を反省して文脈を書き換えることで、3ラウンドの自己改善も確認されています。 ❓ 実用面の注意点は? 💡 学習と1,000エピソードの評価で、定価APIで約308〜1,911ドルかかります。実機での確認はPiPERの4タスク・計30/40成功と小規模で、主な結果はシミュレーションです。 #Robotics# #InContextLearning#
显示更多