In-Context Learning for Robots: Methods and Applications
Aggiunta all'archivio di AIChronos il (numero del 30 settembre 2026 ricostruito)· fonte del · Haojian Huang, Zexi Li, Junhao Guo, Yehang Zhang, Wenxuan Peng, Bohan Zhou (Knowin AI)
Il documento è una rassegna letteraria che esplora l'apprendimento in contesto (ICL) per i robot, permettendo loro di inferire nuovi compiti e tradurli in azioni fisiche senza modificare i parametri neurali durante il dispiegamento. L'analisi organizza la letteratura attorno a quattro famiglie principali: politiche condizionate dal contesto, trasferimento geometrico delle dimostrazioni, controllo basato su modelli del mondo ed esecuzione basata su abilità e agenti. Viene esaminato come questi meccanismi preservino i requisiti insegnati attraverso cambiamenti negli oggetti, nell'ambiente e nelle condizioni di esecuzione, collegando il design dei metodi alle pratiche di valutazione.
- L'apprendimento in contesto (ICL) per robot utilizza dimostrazioni e interazioni per dirigere le competenze esistenti mantenendo i parametri neurali fissi durante l'utilizzo operativo.
- La letteratura viene strutturata attorno a quattro famiglie distinte di interfaccia che connettono le evidenze contestuali all'esecuzione fisica: politiche condizionate, trasferimento geometrico, modelli del mondo ed agenti/abilità.
- L'analisi confronta gli assunzioni di trasferimento e il ruolo di addestramento, corrispondenza e memoria nel rendere utile il contesto per manipolazione e navigazione robotica.
Perché conta. Questa ricerca è rilevante perché estende i principi dell'in-context learning dai modelli linguistici ai sistemi fisici, offrendo un framework per comprendere come gli agenti autonomi possano adattarsi a nuovi compiti senza riaddestramento massivo. Comprendere queste architetture aiuta gli sviluppatori di AI locale e robotica a progettare sistemi più flessibili che preservano l'esperienza acquisita.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.