🧪 270億パラメータのモデルがシミュレーションで訓練され、実機ロボットの試行30回中18回に成功
研究者たちは、人間による実演を使わず、強化学習でオープンモデルQwen3.8-27Bを訓練しました。この手法はPEARと呼ばれます。訓練中に一度も見たことのない、実機の2本腕ロボットで、最終モデルは30回中18回成功しました。ベースモデルの成功はゼロ回でした。LIBEROベンチマークでは、成功率が1.6%から74.4%に上昇しました。この論文は11月13日にarXivに投稿されました。
⭐ シミュレーターでの訓練結果の60%が実機でも通用しました。実機での30回の試行のうち、12回は依然として失敗しました。
#AI #ロボティクス
研究者たちは、人間による実演を使わず、強化学習でオープンモデルQwen3.8-27Bを訓練しました。この手法はPEARと呼ばれます。訓練中に一度も見たことのない、実機の2本腕ロボットで、最終モデルは30回中18回成功しました。ベースモデルの成功はゼロ回でした。LIBEROベンチマークでは、成功率が1.6%から74.4%に上昇しました。この論文は11月13日にarXivに投稿されました。
⭐ シミュレーターでの訓練結果の60%が実機でも通用しました。実機での30回の試行のうち、12回は依然として失敗しました。
#AI #ロボティクス
