En ny forskningsartikel fra arXiv introducerer SHAPER, en ramme der gør det muligt for AI-styrede robotter at forbedre deres egne færdigheder og eksekveringskode – uden at ændre på den underliggende model. Metoden holder modelparametrene frosne og optimerer i stedet de ikke-parametriske dele af systemet: de genanvendelige færdigheder og den kontekstkode, der omgiver modellen. Det sker gennem test i målmiljøet, hvor den samme frosne model fungerer både som planlægger og optimerer.
Det interessante for beslutningstagere er ikke den tekniske detalje, men konsekvensen: SHAPER tilbyder en vej til at tilpasse robotter til nye opgaver og miljøer uden de store omkostninger og ressourcer, der normalt følger med supervised fine-tuning eller reinforcement learning. De traditionelle metoder kræver ekstra data, belønninger og træningskørsler – noget der ofte er både dyrt og tidskrævende i praksis. SHAPER undgår dette ved at lade systemet lære af sine egne interaktioner med miljøet.
Forskerne evaluerede SHAPER på VLABench og ESI-Bench, to benchmarks der dækker robotter med forskellige lavniveau-handlingsinterfaces. De sammenlignede med både ren eksekvering, supervised fine-tuning og test-time-scaling-metoder som verifier-free selection og voting. Resultaterne peger på, at optimering af færdigheder og eksekveringskode er en praktisk vej til selvudviklende robotter – især når modeltræning er dyr, utilgængelig eller uønsket.
For virksomheder der overvejer at investere i fleksibel automation, betyder det, at man potentielt kan genbruge eksisterende modeller og opnå tilpasning uden at skulle investere i store træningsinfrastrukturer. Det kan sænke barrieren for at implementere AI-styret automation i nye domæner og gøre det mere attraktivt at skalere robotløsninger.
Læs mere i den originale artikel på arXiv.
