![]() HOST sistemi robotların tek videoyla saniyeler içinde beceri öğrenmesini sağlıyorHOST system enables robots to learn skills from a single video in secondsHabere gitRead the article |
ÖzetSummaryPekin Teknoloji Enstitüsü, X SQUARE ROBOT ve Tsinghua Üniversitesi'nin geliştirdiği HOST çerçevesi, iki kollu bir robotun tek bir insan videosundan yeni bir manipülasyon becerisi kazanmasını sağlıyor. Sistem, yaklaşık 29 saniyelik bir çıkarım süresinde bu beceriyi öğreniyor ve daha önce öğrenilen becerilerde gerileme olmadan 50 farklı, görülmemiş görevde %62 başarı oranına ulaşıyor.The HOST framework, developed by the Beijing Institute of Technology, X SQUARE ROBOT, and Tsinghua University, enables a bimanual robot to acquire new manipulation skills from a single human video. The system learns this skill in approximately 29 seconds of inference time and achieves a 62% success rate across 50 different, unseen tasks without experiencing regression in previously learned skills. |
Neden ÖnemliWhy it mattersRobotlar, saatler süren teleoperasyon veya ince ayar yerine tek bir gündelik insan videosundan yeni manipülasyon becerileri kazanabiliyorsa, genel amaçlı robotların depolarda, laboratuvarlarda ve evlerde devreye alınması için gereken maliyet ve zaman engeli dramatik biçimde düşer. Çerçevenin yeni beceriler eklerken mevcut becerileri koruduğu iddiası, sıralı robot öğreniminde uzun süredir var olan felaketçi unutma sorununu da ele alıyor. Bu durum, çalışma ömrü boyunca artan bir beceri repertuvarı biriktirmesi beklenen her robot için kritik önem taşıyor.If robots can acquire new manipulation skills from a single everyday human video instead of hours of teleoperation or fine-tuning, the cost and time barriers to deploying general-purpose robots in warehouses, laboratories, and homes are dramatically reduced. The framework’s claim that it preserves existing skills while adding new ones also addresses the long-standing catastrophic forgetting problem in sequential robot learning. This is critical for any robot expected to accumulate an increasing repertoire of skills over its operational lifespan. |
Öne ÇıkanlarHighlights
|
EleştiriCritical take“Tek video, 29 saniye” başlığı sonucu biraz abartıyor. Sistem zaten neredeyse 200 bin robot yörüngesi ve 5.800 insan videosu üzerinde eğitilmiş durumda. Bu nedenle tek atımlık adım, yoğun biçimde ön-eğitilmiş bir modelin üzerine eklenen hafif bir çıkarım geçişidir; gerçek anlamda sıfır kaynaklı öğrenme değildir. Ayrıca %62'lik başarı oranı, bir ön baskı için saygıdeğer olsa da, her üç denemeden birinin hata anlamına geliyor. Çalışma henüz hakem değerlendirmesinden geçmemiş bir arXiv ön baskısıdır ve tek bir iki kollu platformda test edilmiştir. Bu yüzden sistemin diğer robot yapılarına veya daha karmaşık, çok adımlı görevlere uyarlanabilirliği kanıtlanmamıştır.The 'single video, 29 seconds' headline slightly exaggerates the result. The system has already been trained on nearly 200,000 robot trajectories and 5,800 human videos. Therefore, the one-shot step is a lightweight inference transition added to a heavily pre-trained model, not truly zero-resource learning. Additionally, while a 62% success rate is respectable for a preprint, it means one in three attempts fails. The work is currently an unreviewed arXiv preprint and has been tested on a single bimanual platform. Consequently, the system's adaptability to other robot architectures or more complex, multi-step tasks remains unproven. |
