Mentee Robotics yang berbasis di Israel telah mendemonstrasikan alur kerja logistik: dua humanoid MenteeBot V3 bekerja secara mandiri untuk mengambil dan menempatkan tas jinjing. Sistem Agen Modular lebih disukai karena mendukung ketahanan dunia nyata dan kebutuhan komputasi yang lebih rendah daripada model VLA End-to-End. Arsitekturnya terdiri dari tiga komponen: - LLM Planner: Mengonversi instruksi menjadi kode Bahasa API Robotik yang dapat dieksekusi untuk dekomposisi tugas yang andal dan penanganan kesalahan. - Tumpukan Persepsi: Menggunakan model yang telah dilatih sebelumnya (NeRF/3DGS, visi suling) untuk pemahaman dan navigasi pemandangan. - Kebijakan Kontrol: Model Pembelajaran Penguatan (RL), dilatih dalam skala besar melalui Sim2Real, menghasilkan perintah motorik, memungkinkan manipulasi seluler dengan akurasi tinggi. Yang terpenting, robot mempelajari tugas-tugas baru dari satu demonstrasi dalam hitungan jam. Pelacakan objek menggunakan geometri 3D (STL/URDF) yang dilacak dalam video untuk menentukan fungsi hadiah RL. Pelatihan dioptimalkan menggunakan 'Pembelajaran Kurikulum Otomatis', yang secara mandiri menyesuaikan kesulitan tugas berdasarkan kinerja robot, menghilangkan rekayasa manual. Semua komputasi berjalan onboard.

Spesifikasi perangkat keras MenteeBot V3