Democratizing Robot-Use Agents: A Unified Harness with Open Models
Pubblicata su AIChronos il · fonte del · Jiarui Yuan, Yuxin Zuo, Xiaoyu Huang, Wenbo Zhang, Kwanyoung Park, Junlin Yang
Il paper introduce uni-robot-agent, un framework unificato per democratizzare la ricerca sugli agenti di uso robotico (Robot-use Agents) utilizzando modelli open-weight. Senza input privilegiati, il modello Qwen3.8-Flash-Next ottiene uno score RoboDojo di 31.39, superando i risultati pubblicati di GPT-6 Astra-RoboProbe e molte baseline VLA/WAM. L'analisi dimostra che l'uso efficace del robot dipende da quattro capacità generali condivise tra diverse generazioni, famiglie e dimensioni dei modelli.
- uni-robot-agent è un harness progettato per supportare il training aggiuntivo su modelli open-weight senza dipendere da modelli proprietari frontier.
- Qwen3.8-Flash-Next supera lo score RoboDojo di GPT-6 Astra-RoboProbe (28.97) raggiungendo 31.39 in condizioni zero-shot.
- L'approccio compete efficacemente su 19 compiti del mondo reale, dimostrando la versatilità dei modelli open-weight nel dominio robotico.
- Lo studio identifica quattro capacità generali fondamentali per l'uso efficace del robot attraverso un'analisi trasversale di generazioni e famiglie di modelli.
Perché conta. È rilevante perché permette agli sviluppatori di lavorare con agenti autonomi e AI locale senza dipendere da API proprietarie costose, facilitando il fine-tuning su hardware accessibile.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.