SARM — >uzun ufuk robot manipülasyonu için Aşamaya Duyarlı Ödül Modellemesi adlı yeni bir ödül modeli artık LeRobot'ta yer aldı! 🤗 Uzun ufuklu, temas açısından zengin manipülasyon (örneğin bir tişört katlamayı düşünün) karmaşıktır. Gösteriler doğal olarak tereddütler, düzeltmeler ve değişken kalite içerir. Klasik Davranış Klonlama (BC) her kareyi eşit şekilde ele alır, SARM ise daha akıllıca bir yaklaşım benimser. 🔎 Nasıl çalışıyor? SARM, video tabanlı bir ödül modeli kullanarak şunları tahmin eder: • mevcut görev aşaması • o aşamada ince taneli ilerleme (0 → 1) Bu, ilerleme iyileştirmesine dayalı verilerin yeniden tartılması yoluyla Ödül Hizalı Davranış Klonlamasını (RA-BC) mümkün kılar ve modelin ilerleme sağlayan yörüngeleri duranlardan ayırt etmesini sağlar. Sol görsel: başarılı bir şekilde başlatma, ilerleme sorunsuz bir şekilde 0 → 1 artırıldı Sağ görsel: başarısız dağıtım

SARM'ın 👇 teknik detayları ve tam motivasyonu için kesinlikle yazarların orijinal gönderisine göz atın