A Zoellent AI Lab apresentou o GR-SAC, um controlador leve baseado em aprendizado por reforço, projetado para corrigir o funcionamento de um modelo congelado que combina visão, linguagem e ações. O método foi anunciado em novembro na China, após a publicação do repositório e o envio dos resultados para o placar de líderes do RoboMME na mesma semana.
GR-SAC significa Gated Residual Soft Actor-Critic. Em vez de retreinar todo o modelo base, a implementação adiciona um ator visual com 232.110 parâmetros ao SimpleMemVLA. O modelo original continua a interpretar observações e gerar sequências de ações, enquanto o controlador menor aprende correções limitadas nos comandos das juntas do manipulador.
O controlador analisa imagens de câmeras frontal e de pulso, o estado do robô e a fila de ações pendentes. A inclusão de uma válvula permite fazer ajustes apenas sob certas condições observáveis, incluindo ações alvo relativamente estáveis e comandos de preensão. Limites, decaimento e reinicializações controlam o acúmulo desses ajustes. Esses parâmetros são soluções de projeto de controle, e não garantias de ausência de comportamento inseguro em todos os ambientes.
Nos resultados de referência apresentados, a porcentagem de sucesso aumentou de 706 para 711 episódios de 800, correspondendo a um aumento de 88,250% para 88,875%. Consequentemente, o número de falhas diminuiu de 94 para 89, representando uma redução relativa de falhas de 5,32%, e não um aumento geral de sucesso de 5,32 pontos percentuais.
Os testes abrangeram 16 tarefas do RoboMME, cada uma composta por 50 episódios. A tarefa InsertPeg melhorou de 46% para 52%, e MoveCube aumentou de 94% para 100%. No entanto, nem todas as tarefas mostraram melhoria: a tabela de referência também registrou regressões, portanto, o resultado agregado não pode ser considerado um ganho universal em todas as habilidades de manipulação.
A Zoellent descreve o GR-SAC como líder no trilho padrão do RoboMME, que avalia métodos com base em modelos abertos. A mesma tabela de classificação combinada inclui uma categoria Agentic separada, que utiliza modelos avançados proprietários e um padrão humano. Assim, a posição no trilho padrão não é equivalente à superioridade sobre cada entrada na tabela geral.
O repositório público contém um relatório técnico, um checkpoint do controlador de referência, materiais de treinamento e avaliação, bem como resultados para cada tarefa. O código possui licença MIT; isso não anula automaticamente os termos do modelo base ou de outras dependências. Os resultados relatados permanecem como avaliações de referência dos desenvolvedores, e não como um teste de confiabilidade reproduzido independentemente em produção real.



