← Каталог

· AI Engineer World's Fair 2026

Демонстрации роботов — это просто. Надёжность — сложно

Robot Demos Are Easy. Reliability Is Hard — Jason Ma, Dyna Robotics

Reward model, которая находит ошибки политики робота, по словам авторов, поднимает надёжность складывания салфеток до 99,4% за 24 часа.

  • Пирамида данных для pre-training — данные с людей в камерах, публичные датасеты и симуляция дополняют записи с робота и данные с реальных площадок. По словам спикера, в обучении около 200 000 часов данных.
  • Reward model как детектор ошибок — модель оценивает прогресс задачи по видео, и провалы прогресса совпадают с ошибками робота. Такие эпизоды отбираются для целевого сбора данных на восстановление.
  • Итеративное дообучение — базовый подход с pre-training и post-training давал около 80% успеха. По словам спикера, несколько циклов сбора данных на ошибках научили робота выходить из нестандартных состояний, например после захвата сразу нескольких салфеток.
  • Переносимость на новое место — по словам спикера, модель, обученная на разных задачах, складывала футболки три дня подряд на конференции Coral 2025 в Корее без данных с площадки.

Кому полезно: тем, кто выводит манипуляционные модели роботов в продакшен и упирается в долю успешных запусков на длинных задачах.

Главы

Похожие доклады