Zeva: Memori Sebab-Akibat untuk Robot Menyesuaikan Diri Tanpa Kemas Kini Model

Zeva ialah kerangka penyesuaian semasa penggunaan (deployment-time adaptation) untuk robot manipulasi berjasad. Idea utamanya mudah: pemberat dasar robot berasaskan Cosmos3 tidak diubah, tetapi robot boleh memperbaik tindakannya dengan mengingati apa yang berlaku selepas ia bertindak.

Ini berbeza daripada kitaran lazim: kutip data, labelkan data, lakukan fine-tuning, kemudian pasang versi model baharu. Sebaliknya, Zeva mendapatkan semula pengalaman sebab-akibat yang relevan ketika inferens dan menjadikannya konteks untuk tindakan seterusnya. 15

Bagaimana Zeva berfungsi

1. Pengekod Peralihan Sebab-Akibat

Komponen Causal Transition Encoder (CTE) memproses keadaan visual, tindakan yang dilaksanakan dan perubahan keadaan yang diperhatikan selepas tindakan itu. Daripadanya, Zeva membentuk representasi interaksi sebab-akibat terpendam.

Ia memisahkan dua maklumat: token fasa atau kemajuan tugasan, dan isyarat interaksi yang cuba menumpukan kesan fizikal akibat tindakan—bukannya kebetulan visual seperti latar belakang atau perubahan pencahayaan. Jadi, robot bukan sekadar mengingati kedudukan pengapit; ia cuba memahami kesan tindakan terhadap objek dan kemajuan tugasan. 14

2. Dua lapisan memori pada skala masa berbeza

Zeva menyimpan bukti interaksi dalam dua jenis memori:

• Brief Interaction Trace (BIT) ialah memori ringkas untuk percubaan semasa. Ia membantu robot membetulkan kesilapan yang baru berlaku atau menyesuaikan gerakan dengan keadaan fizikal setempat. 1
• Persistent Interaction Memory (PIM) mengekalkan dan menyatukan bukti yang relevan merentasi beberapa percubaan dalam episod yang sama. Ertinya, pengalaman gagal atau berjaya daripada cubaan terdahulu boleh mempengaruhi percubaan semula. 1

Pemisahan ini penting: tidak semua isyarat daripada satu percubaan patut menjadi pengalaman kekal, tetapi maklumat terkini juga tidak wajar hilang sebelum robot sempat membetulkan tindakannya.

3. Suntikan dasar dalam konteks

Sebelum menjana tindakan, Zeva mencari bukti sebab-akibat dalam BIT dan PIM yang sepadan dengan fasa tugasan semasa. Bukti tersebut ditukar kepada causal prompt dan disuntik ke dalam laluan penjanaan tindakan dasar asas yang kekal beku. 15

Dengan kata lain, robot boleh bertindak secara berbeza kerana konteks baharu yang dibaca, bukannya kerana parameter rangkaiannya dikemas kini. Tiada kemas kini gradien, latihan semula, versi model baharu atau tempoh henti operasi diperlukan selepas robot berdepan susunan objek atau tindak balas fizikal yang tidak dikenali. 16

Namun, ini bukan pembelajaran kekal pada pemberat model. Ia ialah penyesuaian dalam konteks berasaskan memori.

Keputusan yang dilaporkan

Dalam subset simulasi lima tugasan RoboCasa365-Atomic5, Zeva dilaporkan mencapai kadar kejayaan purata 76.8%, berbanding 72.4% bagi Fast-WAM dan 64.8% bagi Cosmos3-Nano. 1

Bagi tugasan Level-1 ChemLab-Evo pada robot ARX sebenar, prestasi merentasi percubaan meningkat seperti berikut:

• Mengambil tabung uji: 65% kepada 100%
• Meletakkan bikar: 25% kepada 70%
• Menuang air: 30% kepada 80% 1

Jadual akhir Level-1 melaporkan Zeva pada 100% / 70% / 80% bagi tiga tugasan itu, dengan purata 83.3%. Sebagai perbandingan, Cosmos3-Nano mencatat 80% / 70% / 60%, manakala Fast-WAM mencatat 85% / 70% / 75%. 1

Satu carta turut melaporkan kejayaan kumulatif meningkat daripada kira-kira 26% pada percubaan evolusi pertama kepada 73% pada percubaan keempat. Walau bagaimanapun, bahan primer yang dibekalkan melabelkan carta itu sebagai RoboCasa365, bukannya ChemLab-Evo. Maka, mengaitkan lengkung 26% hingga 73% itu khusus kepada ChemLab-Evo tidak disokong secara jelas oleh sumber primer yang tersedia. 1

Peranan satu demonstrasi manusia

Zeva juga boleh menggunakan satu demonstrasi manusia yang dipandu secara fizikal sebagai permulaan (warm start). Rakaman itu dimasukkan ke mekanisme memori interaksi yang sama, sementara dasar tetap tidak berubah; kemudian robot menggunakan konteks sebab-akibat tersebut untuk menghasilkan semula turutan tindakan. 6

Bukti yang diberikan menyokong mekanisme warm-up sekali demonstrasi ini secara kualitatif. Namun, ia tidak membekalkan angka sebelum dan selepas yang disahkan khusus untuk peletakan bikar atau penuangan air. Kesimpulan yang lebih berhati-hati ialah demonstrasi itu dilaporkan membantu memulakan atau memperbaik tugasan tersebut, bukan membuktikan peningkatan berangka tertentu. 6

Mengapa model asas yang lebih lemah mungkin mendapat manfaat lebih besar?

Penjelasan yang munasabah ialah ruang untuk penambahbaikan. Dasar pralatih yang lebih lemah cenderung membuat lebih banyak kesilapan sistematik apabila susunan fizikal berubah. Oleh itu, bukti pembetulan daripada tindakan dan kesannya mempunyai lebih banyak peluang untuk meningkatkan hasil.

Model asas yang sudah kerap berjaya pula mempunyai kurang kesilapan yang boleh dipulihkan melalui pemetaan memori sebab-akibat. Namun, ini bukan undang-undang umum yang telah dibuktikan: hasil primer menunjukkan perbandingan prestasi dan peningkatan semasa penggunaan, bukan teorem bahawa model yang lebih lemah sentiasa mendapat manfaat lebih besar. 1

Mengapa ujian kimia dipilih?

ChemLab-Evo sesuai kerana kerja manipulasi makmal memerlukan ketepatan fizikal yang jelas: geometri genggaman, bekas kecil, kedudukan peletakan, sudut kecondongan untuk menuang dan prosedur berbilang langkah. Kegagalan juga lebih mudah dinilai daripada kesan fizikalnya.

Penanda aras ini menggunakan tujuh tugasan pada manipulator ARX, daripada operasi asas seperti mengambil tabung uji, meletakkan bikar dan menuang, hinggalah kepada urutan pendek dan prosedur lebih panjang seperti titratan, penyediaan larutan garam, penimbangan dengan neraca dan pengekstrakan. 1

Susunan ini menguji sama ada hubungan tindakan-kesan yang diingati boleh dipindahkan antara cubaan dan kemahiran berkaitan, bukan sekadar meniru apa yang pernah dilihat oleh robot.

Pertukaran praktikal dan persoalan yang belum terjawab

• Kos konteks dan inferens: Carian memori serta suntikan causal prompt menambah kos pengiraan dan pemprosesan konteks. Sejarah yang lebih panjang mungkin membantu, tetapi boleh juga terhad oleh kualiti carian, kependaman dan kapasiti konteks. Keputusan yang ada belum membuktikan skala bagi penggunaan yang sangat panjang. 1

• Kualiti memori dan risiko pencemaran: Pengekodan sebab-akibat yang salah, padanan fasa yang lemah atau percubaan gagal yang mengelirukan boleh menyebabkan robot mendapatkan semula bukti yang memudaratkan. BIT dan PIM membantu mengurus masalah itu, tetapi tidak menjamin penggabungan memori yang selamat. 1

• Skop fizikal yang masih terhad: Ujian dunia sebenar lebih tertumpu pada objek makmal keras dan pemindahan cecair. Keupayaan pada bahan sangat boleh ubah bentuk—seperti kain, kabel, makanan atau pembungkusan lembut—serta tugasan sentuhan yang memerlukan maklum balas daya atau taktil masih belum dibuktikan. 1

• Kestabilan tapak operasi: Penilaian menetapkan semula persekitaran antara percubaan dan mengekalkan PIM dalam episod yang sama. Ini ialah protokol terkawal, bukan bukti bahawa sistem boleh beroperasi tanpa had di tempat sebenar yang berubah akibat kalibrasi kamera, haus peralatan, manusia, kekusutan ruang atau tadbir urus memori jangka panjang. 1

• Pemindahan platform dan perkakasan: Ujian sebenar menggunakan manipulator ARX dalam ruang kerja khusus berukuran 80 cm × 60 cm. Belum jelas sama ada pengekod dan kaedah suntikan konteks ini berpindah dengan baik kepada lengan, pengapit, robot mudah alih, sistem dwilengan, set sensor, kadar kawalan atau keperluan keselamatan yang lain. 1

• Keluasan jenis tugasan: Zeva dinilai pada set tugasan dapur dan kimia terpilih. Pemindahan antara kesan yang serupa secara fungsi—seperti menutup pengapit, mengangkat atau mencondongkan bekas—kelihatan menjanjikan, tetapi pemindahan merentas kelas tugasan yang benar-benar tidak berkaitan dan arahan semantik yang lebih luas masih persoalan empirikal terbuka. 1

• Kematangan bukti: Angka ini datang daripada kertas dan laporan projek, bukannya ulangan bebas. Huraian kaedahnya disokong oleh sumber primer, tetapi ketahanan dalam tempoh panjang, merentasi perkakasan yang pelbagai, bahan lembut dan lokasi operasi tidak terkawal masih memerlukan bukti yang lebih kukuh. 1