何が起きたか

物理インテリジェンス社は、ロボットが精密な操作を数分から数時間の実データで学習できる新手法「RLT」を発表した。同社によると、RLTはVLAモデルに特殊な出力トークンを追加し、小型のRLポリシーを介して動作を適応させる。4つの課題で、最も精密な段階の速度を最大3倍に向上させたとしている。

なぜ重要か

物理インテリジェンス社によると、RLTは大きなVLAモデル全体を調整し直さず、追加した出力トークンを手がかりに小型の強化学習ポリシーで動作を直します。ねじを小ねじに合わせる、電気ドライバーで締める、結束やケーブル挿入のような、わずかな位置・向き・タイミングの誤差が失敗につながる作業の終盤を短時間の実データで学ばせる用途です。