Zeva membuat robot beradaptasi lewat memori sebab-akibat, tanpa pembaruan bobot

Zeva adalah kerangka adaptasi saat robot sudah dikerahkan (deployment-time adaptation) untuk manipulasi robot berwujud. Gagasan utamanya sederhana: bobot kebijakan berbasis Cosmos3 tidak diubah, tetapi robot menyimpan apa yang terjadi setelah ia bertindak—misalnya apakah cara menjepit, mengangkat, atau memiringkan wadah menghasilkan perubahan fisik yang diharapkan. Bukti itu kemudian dipakai sebagai konteks ketika robot memutuskan aksi berikutnya. 15

Artinya, Zeva mencoba menghindari siklus yang lazim: kumpulkan data, beri label, fine-tuning, lalu rilis versi model baru. Adaptasinya berlangsung pada tahap inferensi melalui memori, bukan lewat pembaruan gradien atau parameter. 16

Cara kerja Zeva

Zeva menggabungkan tiga komponen dalam rantai inferensi.

1. Causal Transition Encoder: merekam “aksi menghasilkan apa”

Setelah setiap aksi, Causal Transition Encoder (CTE) mengolah keadaan visual, aksi yang dijalankan, dan perubahan keadaan yang diamati. Hasilnya adalah representasi interaksi kausal laten: bukan sekadar catatan bahwa gripper bergerak, melainkan usaha untuk menangkap dampak tindakan tersebut pada lingkungan. 14

Representasi itu dipisahkan menjadi:

• token fase tugas, yang menggambarkan posisi robot dalam tahapan pekerjaan; dan
• sinyal interaksi kausal, yang ditujukan untuk menangkap dinamika akibat tindakan, alih-alih korelasi visual yang kebetulan seperti latar belakang atau pencahayaan. 14

2. Dua jenis memori dengan rentang waktu berbeda

Zeva memisahkan pengalaman baru dan pengalaman yang dapat dipakai ulang:

• Brief Interaction Trace (BIT) menyimpan bukti interaksi terbaru dalam percobaan yang sedang berlangsung. Fungsinya mirip memori kerja: berguna untuk membetulkan kesalahan yang baru saja terjadi atau menyesuaikan diri dengan kondisi lokal. 1
• Persistent Interaction Memory (PIM) menyimpan serta mengonsolidasikan bukti relevan di antara beberapa percobaan dalam episode yang sama. Keberhasilan maupun kegagalan pada percobaan sebelumnya dapat memengaruhi upaya berikutnya. 1

Pemisahan ini penting karena robot membutuhkan umpan balik cepat dari aksi terakhir, tetapi juga tidak boleh membuang pengalaman berguna setiap kali memulai percobaan baru.

3. Injeksi kebijakan dalam konteks

Saat akan bertindak, Zeva mengambil bukti kausal dari BIT dan PIM yang cocok dengan fase tugas saat ini. Bukti itu dibentuk menjadi prompt kausal lalu disuntikkan ke jalur pembangkitan aksi kebijakan dasar yang bobotnya tetap beku. Kebijakan dapat mengubah perilakunya karena konteks yang diterima berbeda, bukan karena parameternya diperbarui. 15

Secara operasional, pendekatan ini berpotensi mempercepat penyesuaian terhadap konfigurasi objek atau perilaku fisik yang asing: tidak perlu label baru, proses pelatihan ulang, versi model baru, ataupun waktu henti setelah robot mengalami suatu kejadian. Namun, ini adalah pembelajaran berbasis memori dalam konteks—bukan pembelajaran parameter yang bertahan permanen. 16

Hasil yang dilaporkan

Pada subset simulasi lima tugas RoboCasa365-Atomic5, Zeva melaporkan rata-rata keberhasilan 76,8%, dibandingkan 72,4% untuk Fast-WAM dan 64,8% untuk Cosmos3-Nano. 1

Untuk uji robot nyata ChemLab-Evo Level 1 menggunakan manipulator ARX, laporan proyek mencatat kenaikan kinerja sepanjang percobaan berulang sebagai berikut:

• Pick Up Test Tube: 65% menjadi 100%;
• Place Beaker: 25% menjadi 70%;
• Pour Water: 30% menjadi 80%. 1

Tabel akhir ChemLab-Evo Level 1 mencatat Zeva mencapai 100% / 70% / 80% pada tiga tugas tersebut, atau rata-rata 83,3%. Sebagai pembanding, Cosmos3-Nano mencatat 80% / 70% / 60%, sedangkan Fast-WAM 85% / 70% / 75%. 1

Ada pula grafik keberhasilan kumulatif yang naik dari sekitar 26% pada percobaan evolusi pertama menjadi 73% pada percobaan keempat. Namun, materi primer yang tersedia memberi label grafik itu sebagai RoboCasa365, bukan ChemLab-Evo. Karena itu, pengaitan angka 26%–73% khusus kepada ChemLab-Evo belum didukung oleh sumber primer yang disediakan. 1

Bagaimana satu demonstrasi manusia membantu?

Satu rangkaian tindakan yang dipandu manusia secara fisik dapat direkam sebagai warm start ke mekanisme memori interaksi yang sama. Setelah itu, kebijakan tetap dibekukan, tetapi dapat menggunakan konteks interaksi kausal dari demonstrasi tersebut untuk mereproduksi urutan tindakan. 6

Bukti yang tersedia mendukung mekanisme one-shot warm-up ini secara kualitatif. Namun, tidak ada angka sebelum-dan-sesudah yang terverifikasi secara spesifik untuk penempatan gelas beker atau penuangan air. Jadi, kesimpulan yang aman adalah demonstrasi tunggal dilaporkan dapat membantu atau memberi pemanasan awal pada tugas tersebut, bukan menghasilkan kenaikan numerik tertentu. 6

Mengapa model dasar yang lebih lemah dapat memperoleh kenaikan lebih besar?

Penjelasan yang masuk akal adalah adanya ruang perbaikan. Kebijakan pralatih yang lebih lemah cenderung membuat lebih banyak kesalahan sistematis ketika kondisi fisik berubah, sehingga bukti korektif dari memori kausal punya lebih banyak peluang untuk membantu. Kebijakan dasar yang sudah sering berhasil memiliki kesalahan yang lebih sedikit untuk diperbaiki.

Meski demikian, ini bukan hukum umum yang sudah terbukti. Bukti utama menunjukkan hasil komparatif dan perbaikan saat penggunaan, bukan teorema bahwa semua model yang lebih lemah pasti memperoleh manfaat lebih besar. 1

Mengapa diuji di lingkungan kimia?

ChemLab-Evo dipilih karena manipulasi laboratorium menghadirkan variasi fisik yang terstruktur dan konsekuensial: geometri genggaman, wadah kecil, ketepatan penempatan, penuangan serta kemiringan, prosedur bertahap, dan kegagalan yang dapat didiagnosis dari efek fisiknya. Tolok ukur ini mencakup tujuh tugas pada manipulator ARX, dari tugas atomik seperti mengambil tabung reaksi, menempatkan beker, dan menuang, hingga rangkaian pendek serta prosedur lebih panjang seperti titrasi, pembuatan larutan garam, penimbangan, dan ekstraksi. 1

Karakter itu menjadikannya uji yang berguna untuk melihat apakah hubungan tindakan–efek yang diingat robot dapat dipindahkan ke percobaan maupun keterampilan terkait, bukan hanya meniru tampilan visual.

Trade-off dan pertanyaan yang belum terjawab

• Biaya konteks dan inferensi: pengambilan memori serta injeksi prompt kausal menambah komputasi dan pemrosesan konteks. Riwayat yang lebih panjang belum tentu terus membantu jika kualitas pengambilan, latensi, atau kapasitas konteks menjadi kendala. Hasil yang tersedia belum menunjukkan skala untuk penggunaan yang sangat lama. 1
• Kualitas dan kontaminasi memori: pengodean kausal yang keliru, kecocokan fase yang buruk, atau kegagalan yang menyesatkan dapat memunculkan bukti yang merugikan. Pemisahan BIT dan PIM membantu, tetapi tidak menjamin konsolidasi memori yang aman. 1
• Cakupan fisik masih terbatas: uji dunia nyata terutama melibatkan objek laboratorium kaku dan pemindahan cairan. Generalisasi pada kain, kabel, makanan, kemasan lunak, atau tugas dengan kontak kuat yang memerlukan umpan balik gaya dan sentuhan belum terbukti. 1
• Stabilitas lokasi penggunaan: evaluasi mereset lingkungan antarpercobaan dan mempertahankan PIM dalam satu episode. Ini protokol yang terkendali, bukan demonstrasi operasi tanpa batas di fasilitas yang terus berubah akibat pergeseran kalibrasi kamera, keausan, orang, atau kekacauan lingkungan. 1
• Transfer perangkat keras dan platform: pengujian nyata memakai manipulator ARX dalam ruang kerja 80 cm × 60 cm. Belum jelas apakah encoder dan mekanisme prompting ini akan berpindah mulus ke lengan lain, gripper berbeda, robot bergerak, sistem bimanual, sensor lain, laju kontrol berbeda, atau batasan keselamatan yang berbeda. 1
• Cakupan jenis tugas: evaluasi berfokus pada pilihan tugas dapur dan kimia. Transfer lintas tugas terlihat menjanjikan untuk efek fungsional serupa—misalnya menutup gripper, mengangkat, atau memiringkan wadah—tetapi transfer luas ke kelas tugas yang tak terkait dan instruksi semantik yang beragam masih perlu diuji. 1
• Kematangan bukti: angka-angka ini berasal dari laporan makalah dan proyek, belum dari replikasi independen. Deskripsi metodenya didukung oleh sumber primer, tetapi ketahanannya pada horizon waktu panjang, perangkat keras yang lebih beragam, material deformabel, dan lokasi produksi yang tak terkendali masih memerlukan bukti lebih kuat. 1