Research28.09.2026 · 06:362 nguồn

Phương pháp của Sakana AI nâng tỷ lệ hoàn thành nhiệm vụ của robot từ 25% lên 73%

Từ marketbrief.now

Ảnh: marketbrief.now
AI;DR

Dự án hợp tác mới giữa Đại học Tokyo và Sakana AI vừa tạo ra kỹ thuật cho phép robot thử nghiệm và chỉnh sửa chuyển động trong môi trường giả lập trước khi thực hiện ngoài đời thực. Được gọi là SAIL, phương pháp này dùng một VLM chính sách để tạo các quỹ đạo dựa trên một số bản demo, sau đó một VLM đánh giá sẽ xem xét để tìm lỗi. Trong 6 nhiệm vụ giả lập, việc tăng ngân sách tìm kiếm từ 1 lên 45 ứng viên đã nâng tỷ lệ tìm thấy quỹ đạo thành công trung bình từ 25% lên 73%. Công trình nghiên cứu này sẽ được trình bày tại hội nghị IROS 2026, tận dụng các foundation model sẵn có để tránh việc phải huấn luyện một chính sách riêng cho từng nhiệm vụ robot mới. Các nhà nghiên cứu lưu ý rằng dù các mô hình như GPT-6 Astra có thể vận hành robot vật lý, việc sinh chuyển động trong một lần thường kém tin cậy và dễ hỏng hoàn toàn chỉ vì những lỗi nhỏ. SAIL sử dụng tìm kiếm cây Monte Carlo cùng khả năng tính toán bổ sung trong giai đoạn thử nghiệm để tinh chỉnh hành động trong môi trường giả lập trước khi triển khai.

Đọc bài gốcĐăng nhập để góp ý

Nguồn

#agentBản Markdown
Lịch sử nội dung (2)
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Hợp tác mới giữa Đại học Tokyo và Sakana AI cho ra kỹ thuật cho phép robot thử và sửa độn…
    Dự án hợp tác mới giữa Đại học Tokyo và Sakana AI vừa tạo ra kỹ thuật cho phép robot thử …
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    Phương pháp của Sakana AI nâng tỷ lệ thành công robot từ 25% lên 73%
    Phương pháp của Sakana AI nâng tỷ lệ hoàn thành nhiệm vụ của robot từ 25% lên 73%

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay