Робототехнические модели ценности оценивают выполнение задач по визуальным наблюдениям и инструкциям, обеспечивая обратную связь для обучения политик и мониторинга выполнения. Мы представляем RoboValue — тонкий симуляционно-реальный тест для унифицированной оценки робототехнических моделей ценности. Его фреймворк оценивает четыре дополнительных измерения способностей через общие интерфейсы: понимание состояния задачи, мониторинг временного прогресса, рассуждение о сбоях и восстановлении, а также согласованность ценности. Диагностические траектории и вариации инструкций тестируют, насколько оценки ценности точно отражают требования задачи и изменения в ходе выполнения.
График появится после повторных замеров. Текущий показатель уже получен из источника.
21 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Данный тест может быть использован для более точной оценки робототехнических моделей ценности, что важно для повышения надежности обратной связи в задачах управления роботами.
MemT-1.0 — это новая архитектура памяти фундаментальных моделей, которая интегрирует память как часть вычислений модели. Она использует Gated DeltaNet-2 с устойчивым механизмом обновления токенов памяти и Mixture-of-Storage для масштабирования памяти. Модели MemT-1.0-Nano и MemT-1.0-Flash показали превосходство над базовыми моделями памяти и конкурентоспособность с методами, использующими поиск.
вчераDaily PapersМетод Waypoint-OPD использует промежуточную точку проверки учителя для сравнения ранних и поздних сдвигов в предпочтениях действий при переносе политики. Он оценивает согласованность между ранними и поздними сдвигами и подавляет сдвиг на конечном этапе, если они противоречат друг другу.
5 дней назадDaily PapersВ исследовании изучается, насколько представления разреженных автокодировщиков (SAE) поддерживают композиционность поведения. Вводится метрика SAR, которая измеряет необъяснимую вариацию поведения выше определённого порядка взаимодействия. Эксперименты показывают, что обученные координаты SAE демонстрируют более низкие первые остатки по сравнению со случайными вращениями подпространства.
5 дней назадDaily PapersИсследуется, как модели визуально-языкового понимания (VLM) могут учиться мыслить и активно исследовать 3D-пространство. Вместо предоставления многопerspective изображений, видео или 3D-представлений модели, сохраняется нативное визуальное кодирование VLM, то есть одно изображение за раз, как у людей, и 3D-представление рассматривается как среда, с которой модель взаимодействует через действия (например, движение влево) и наблюдения (отрендеренные изображения).
5 дней назадDaily PapersВ данной работе представлена новая многодоменная база данных RuleTrek для тестирования способности агентов рассуждать по правилам в сложных сценариях. База данных использует структурированные графы правил и генерирует подсценарии для оценки способности к идентификации, выводу и комплексному рассуждению по правилам.
6 дней назадDaily PapersВ данной работе представлен Scene-Designer — агентная система, которая обучается интеллекту дизайна через совместные опыт проектирования и критики. Для этого были созданы два набора данных: Scene-OTA-35K и Scene-OTC-15K. Предложена методология Scene-GRPO, которая улучшает решения по проектированию и уменьшает ненужные исправления. Эксперименты показали превосходные результаты в физической корректности, функциональной правильности и согласованности планировки.
4 дня назад