Aynı robot görevinde başarı %3,7'den %52,0'e yükseldi!
Orijinal başlık: AD-WM: Action-Discriminative World Models for Counterfactual Model Predictive Control
KISACA
- Tek cümlede
- Araştırmacılar AD‑WM adlı eylem‑ayırt edebilen dünya modelini geliştirdi.
- Bulgu
- OGBench‑Cube testinde zor başlangıçta başarı %3,7’den %52,0’e çıktı.
- Neden önemli?
- Franka robotunda al-bırak başarısı da %42,2'den %71,1'e çıktı.
Ne oldu?
AD-WM adlı yeni dünya modeli, geçmiş sistemlerin yalnızca gerçekleşen geçişleri tahmin etmesine odaklanmasını sorun ediyor; planlama için farklı eylemleri birbirinden ayırt edebilmek gerekiyor. OGBench-Cube'da zor başlangıçlarda başarıyı %3,7'den %52,0'ye çıkardı. Dondurulmuş V-JEPA 2 kodlayıcı ve DROID son eğitimi ile Franka robot kurulumunda temel al-bırak görevinde sıfır-atış başarı %42,2'den %71,1'e yükseldi. Sonuç: planlama modelleri sadece tahmin doğruluğuna değil, eylem farklarını korumaya da bakmalı.
Planlama modelleri artık sadece tahmin değil, eylem farkını da korumalı.
Aynı haberin kısa dikey video özeti.
Bu notu kaynak göstererek alıntılayabilirsin: Hasan Amanet, “Aynı robot görevinde başarı %3,7'den %52,0'e yükseldi!”, Notes for Data Science, 25 Eylül 2026.