PEAR е публична изследователска среда за последващо обучение на разсъждаващи модели за работа с роботи. Препринтът е подаден на 13 ноември; този авторски разбор разглежда проверените методи и ограничения, без да представя изследването като днешна продуктова премиера.

Авторите съобщават, че 27-милиарден модел, обучен с подкрепление в симулация, постига 60% успех в 30 опита с реален двурък робот. Базовият модел не успява в тези опити. Това е ограничен лабораторен резултат, не общ процент надеждност за произволни физически задачи.

Как е устроен процесът

Публичното хранилище описва PEAR като инфраструктура върху veRL, с асинхронно обучение и симулационни среди. Моделът наблюдава сцената и състоянието на ръката, разсъждава и извежда следваща цел за движение. Кодът е обозначен с Apache 2.0; проверката ни е статично четене на документацията, без инсталиране или управление на реален робот.

Хранилището разделя тренировката, оценката и разполагането. Посочени са MuJoCo и Isaac Sim, а моделният сървър и роботизираната станция са различни части. Това разграничение е полезно: възможността да бъде стартиран сървър не е същото като готовност за физическо изпълнение.

Какво казва протоколът на реалните опити

Пълният текст описва задачи за подреждане на блокове и повдигане на предмети. Опитът има ограничения за броя стъпки и разсъждаването. Тези условия са част от значението на процента; извън тях не можем просто да пренесем същия резултат.

Нашият редакционен прочит е, че при оценка на робот трябва да се пита какво се брои за успех и какво за допустимо повторение. Примерно преместването на предмет може да приключи на правилно място, но след действие, което не би било приемливо около човек. Такъв сценарий е предложен въпрос за оценяване, а не описан инцидент в PEAR.

Авторите сами отбелязват ограничен набор задачи и симулатори и бавно изпълнение заради продължително разсъждаване преди движенията. Следователно резултатът трябва да се чете едновременно като демонстрация на пренос и като описание на оставащи граници.

Какво би направило следващия тест по-силен

Полезно продължение би добавило предварително избрани непознати предмети, повторения при различна подредба и отделен отчет за безопасно спиране. Времето до изпълнение също трябва да е видимо, вместо да се оценява само дали задачата накрая е завършена. Не сме провеждали такива опити.

Значението на PEAR е в достъпната основа за проверка на конкретна изследователска идея: може ли опитът от симулация да подобри употребата на реален робот от общ разсъждаващ модел? Публикуваните данни дават положителен сигнал в описания обхват. Разширяването му изисква нови измервания, а не по-общо преформулиране на същите 30 опита.