Zoellent AI Lab ने GR-SAC प्रस्तुत किया है, जो विजन, भाषा और क्रियाओं को एकीकृत करने वाले जमी हुई मॉडल के संचालन को ठीक करने के लिए डिज़ाइन किया गया एक हल्का रीइन्फोर्समेंट लर्निंग-आधारित नियंत्रक है। यह विधि नवंबर में चीन में घोषित की गई थी, रिपॉजिटरी प्रकाशित होने और उसी सप्ताह RoboMME लीडरबोर्ड पर परिणाम जमा करने के बाद।
GR-SAC का मतलब गेटेड रेसिडुअल सॉफ्ट एक्टर-क्रिटिक है। पूरी आधार मॉडल को फिर से प्रशिक्षित करने के बजाय, कार्यान्वयन SimpleMemVLA में 232,110 पैरामीटर वाला एक विज़ुअल एक्टर जोड़ता है। मूल मॉडल अवलोकन की व्याख्या करना और क्रियाओं का क्रम उत्पन्न करना जारी रखता है, जबकि छोटा नियंत्रक मैनिपुलेटर जॉइंट कमांड के सीमित सुधारों का अध्ययन करता है।
नियंत्रक फ्रंटल और कलाई कैमरों से छवियों, रोबोट की स्थिति और प्रतीक्षा कर रही क्रियाओं की कतार का विश्लेषण करता है। वाल्व को शामिल करने से केवल विशिष्ट देखे गए शर्तों के अनुपालन में ही सुधार किए जा सकते हैं, जिसमें अपेक्षाकृत स्थिर लक्ष्य क्रियाएं और ग्रिपिंग कमांड शामिल हैं। सीमाएँ, क्षय और रीसेट इन सुधारों के संचय को नियंत्रित करते हैं। ये पैरामीटर नियंत्रण डिजाइन समाधान हैं, न कि सभी वातावरणों में असुरक्षित व्यवहार की अनुपस्थिति की गारंटी हैं।
प्रस्तुत बेंचमार्क परिणामों में सफलता का प्रतिशत 800 में से 706 से बढ़कर 711 हो गया, जो 88.250% से 88.875% तक की वृद्धि के अनुरूप है। परिणामस्वरूप, विफलताओं की संख्या 94 से घटकर 89 हो गई, जो समग्र सफलता में 5.32 प्रतिशत अंक की वृद्धि के बजाय विफलताओं में 5.32% की सापेक्ष कमी दर्शाती है।
परीक्षण में 16 RoboMME कार्य शामिल थे, जिनमें से प्रत्येक में 50 एपिसोड थे। InsertPeg कार्य 46% से 52% तक सुधरा, और MoveCube 94% से 100% तक बढ़ गया। हालांकि, सभी कार्यों में सुधार नहीं हुआ: बेंचमार्क तालिका में गिरावट भी दर्ज की गई, इसलिए समग्र परिणाम को सभी मैनिपुलेशन कौशल में सार्वभौमिक वृद्धि के रूप में नहीं देखा जा सकता है।
Zoellent GR-SAC को मानक RoboMME ट्रैक में अग्रणी बताता है, जो खुले मॉडलों के आधार पर विधियों का मूल्यांकन करता है। समान संयुक्त लीडरबोर्ड में एजेंटिक श्रेणी भी शामिल है, जो मालिकाना उन्नत मॉडल और मानव बेंचमार्क का उपयोग करती है। इस प्रकार, मानक ट्रैक में स्थिति सामान्य लीडरबोर्ड में प्रत्येक प्रविष्टि पर श्रेष्ठता के समतुल्य नहीं है।
सार्वजनिक रिपॉजिटरी में तकनीकी रिपोर्ट, बेंचमार्क नियंत्रक चेकपॉइंट, प्रशिक्षण और मूल्यांकन सामग्री, और प्रत्येक कार्य के परिणाम शामिल हैं। कोड MIT लाइसेंस के तहत है; यह स्वचालित रूप से आधार मॉडल या अन्य निर्भरताओं की शर्तों को रद्द नहीं करता है। बताई गई परिणाम डेवलपर्स द्वारा बेंचमार्क मूल्यांकन बने रहते हैं, न कि वास्तविक उत्पादन में स्वतंत्र रूप से पुनरुत्पादित विश्वसनीयता परीक्षण।



