AnswersPublished14 sources
Zeva: Robotminne som tilpasser seg uten ny trening
Zeva lar en frosset Cosmos3 basert robotpolicy tilpasse seg ved å hente fram minner om hva robotens egne handlinger faktisk førte til. Metoden kombinerer en kausal overgangskoder, et korttidsminne for pågående forsøk og et vedvarende minne på tvers av gjentatte forsøk.
Publisert avRedigert med GPT-5.6 TerraBilder generert med GPT Image 2
Research answer
Key takeaways
- Zeva lar en frosset Cosmos3 basert robotpolicy tilpasse seg ved å hente fram minner om hva robotens egne handlinger faktisk førte til.
- Metoden kombinerer en kausal overgangskoder, et korttidsminne for pågående forsøk og et vedvarende minne på tvers av gjentatte forsøk.
- I rapporterte tester nådde Zeva 76,8 % gjennomsnittlig suksess på RoboCasa365 Atomic5 og 83,3 % på ChemLab Evo Level 1 med ekte robot.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Zeva, the frozen weight in context causal memory method introduced by Tsinghua AIR and Domain Transform for Cosmos3 backed embodied. Article summary: Zeva is a deployment time adaptation framework for embodied manipulation: it keeps the Cosmos3 based policy weights frozen, but lets the robot improve through an online memory of what its actions physically caused.. Topic tags: general web, llm, prompt engineering, ai, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with
Zeva er et rammeverk for tilpasning ved utrulling av roboter. I stedet for å samle inn nye data, merke dem og finjustere modellen, lar det en Cosmos3-basert robotpolicy beholde modellvektene uendret og forbedre seg gjennom et nettbasert minne om hva egne handlinger fysisk har forårsaket. Tilpasningen skjer dermed i konteksten ved inferens, ikke gjennom gradientoppdateringer. 1
5
Slik fungerer Zeva
Zeva er bygget rundt tre ledd:
Causal Transition Encoder (CTE): Etter en handling koder systemet visuell tilstand, handlingen og den observerte endringen i tilstand til en latent representasjon av kausal interaksjon. Den skiller mellom et token for oppgavefase og et signal for selve samspillet, med mål om å fange handlingsutløst dynamikk framfor irrelevante visuelle korrelasjoner som bakgrunn og belysning.
1
4
Minne på to tidsskalaer:
- Brief Interaction Trace (BIT) holder på fersk informasjon i det pågående forsøket. Det kan hjelpe roboten å korrigere en feil den nettopp har gjort, eller håndtere lokal fysisk variasjon.
- Persistent Interaction Memory (PIM) tar vare på og konsoliderer relevant erfaring på tvers av gjentatte forsøk i samme episode. Dermed kan både mislykkede og vellykkede interaksjoner påvirke neste forsøk.
- Brief Interaction Trace (BIT) holder på fersk informasjon i det pågående forsøket. Det kan hjelpe roboten å korrigere en feil den nettopp har gjort, eller håndtere lokal fysisk variasjon.
Kontekstbasert policyinjeksjon: Zeva henter kausal informasjon fra minnene som passer til robotens nåværende oppgavefase, og gjør den om til en kausal prompt i den frosne grunnmodellens handlingsgenerering. Policyen kan altså velge annerledes fordi konteksten er ny, uten at parametrene oppdateres.
5
Den praktiske gevinsten er at roboten i prinsippet kan tilpasse seg en ukjent objektplassering eller fysisk egenskap uten en ny runde med merking, trening, modellversjonering eller driftsstans. Dette er likevel ikke varig læring i modellvektene, men minnebasert læring i kontekst. 1
6
Rapporterte resultater
På simuleringsutvalget RoboCasa365-Atomic5, som består av fem oppgaver, rapporterte Zeva 76,8 % gjennomsnittlig suksessrate. Det sammenlignes med 72,4 % for Fast-WAM og 64,8 % for Cosmos3-Nano. 1
Prosjektet rapporterer også at samlet kumulativ suksess økte fra om lag 26 % ved første evolusjonsforsøk til 73 % ved det fjerde. I det tilgjengelige primærmaterialet er denne figuren imidlertid merket RoboCasa365, ikke ChemLab-Evo. Påstanden om at akkurat 26–73 %-kurven gjelder ChemLab-Evo, er derfor ikke godt dokumentert av primærkilden som er oppgitt her. 1
For de virkelige ChemLab-Evo Level-1-oppgavene med en ARX-robot rapporterte teamet følgende utvikling gjennom gjentatte forsøk:
- Plukke opp prøverør: 65 % til 100 %
- Plassere begerglass: 25 % til 70 %
- Helle vann: 30 % til 80 %
I den endelige Level-1-tabellen står Zeva med 100 % / 70 % / 80 % på disse tre oppgavene, eller 83,3 % i snitt. Cosmos3-Nano fikk 80 % / 70 % / 60 %, mens Fast-WAM fikk 85 % / 70 % / 75 %. 1
Én menneskelig demonstrasjon som oppvarming
En enkelt fysisk veiledet demonstrasjon fra et menneske kan lagres i den samme minnemekanismen som en «warm start». Policyen forblir frosset, men kan senere bruke den kausale interaksjonskonteksten til å gjenskape handlingsrekken. 6
Kildematerialet bekrefter mekanismen kvalitativt, men gir ikke verifiserte før-og-etter-tall spesifikt for plassering av begerglass eller vannhelling. Det mest forsvarlige er derfor å si at demonstrasjonen kan forbedre eller gi en start på disse oppgavene, ikke å oppgi en bestemt tallfestet gevinst. 6
Hvorfor svakere grunnmodeller kan få størst løft
En nærliggende forklaring er at en svakere forhåndstrent policy har mer å hente. Den vil oftere gjøre systematiske feil når den møter endrede fysiske forhold, og konkret informasjon om «handling → effekt» kan dermed rette opp flere feil. En sterkere policy lykkes oftere allerede, og har mindre gjenværende feil å korrigere.
Dette bør likevel ikke fremstilles som en universell lov. Materialet viser sammenlignende resultater og forbedring ved utrulling, men ikke at svakere modeller alltid vil tjene mest på kausalt minne. 1
Hvorfor et kjemilaboratorium?
ChemLab-Evo er valgt fordi laboratorieoppgaver har strukturert og konsekvensrik fysisk variasjon: gripegeometri, små beholdere, nøyaktig plassering, helling og tipping, flertrinnsprosedyrer og feil som kan tolkes ut fra fysiske resultater. Testoppsettet omfatter sju oppgaver med ARX-manipulator, fra enkle deloppgaver som å plukke opp prøverør, plassere begerglass og helle, til kortere sekvenser og lengre prosedyrer som titrering, framstilling av saltløsning, veiing og ekstraksjon. 1
Det gjør miljøet egnet til å undersøke om roboten kan gjenbruke huskede sammenhenger mellom handling og effekt, heller enn bare å kopiere et visuelt mønster.
Begrensninger og ubesvarte spørsmål
Mer kontekst koster: Henting fra minne og injeksjon av kausale prompter gir ekstra beregning og kontekstbehandling. Lengre historikk kan hjelpe, men bare til grensen for hva treffsikker gjenfinning, forsinkelse og kontekstkapasitet tillater. Resultatene viser ikke robust skalering til svært lange utrullinger.
Minnekvalitet er kritisk: Feil kausal koding, dårlig samsvar med oppgavefase eller en misvisende feilet kjøring kan føre til at skadelig erfaring hentes fram. Oppdelingen i BIT og PIM skal redusere denne risikoen, men garanterer ikke trygg konsolidering av minnet.
Begrenset fysisk bredde: De virkelige oppgavene handler hovedsakelig om stive laboratorieobjekter og væskeoverføring. Det er ikke demonstrert at systemet generaliserer til svært deformérbare materialer som tøy, kabler, mat eller myk emballasje, eller til kontaktintensive oppgaver som krever kraft- og berøringssensorikk.
Kontrollerte omgivelser: Evalueringen nullstiller miljøet mellom forsøk og beholder PIM innenfor én episode. Det dokumenterer ikke drift over lang tid i et anlegg som endrer seg kontinuerlig, med slitasje, mennesker, rot, endret kamerakalibrering og behov for langsiktig styring av minnet.
Overføring til andre roboter er uavklart: Realverdstestene bruker en ARX-manipulator i et arbeidsområde på 80 × 60 cm. Det er åpent om koderen og promptmekanismen overføres godt til andre robotarmer, gripere, mobile roboter, toarmede systemer, sensoroppsett, kontrollfrekvenser og sikkerhetskrav.
Oppgavetyper og instruksjoner: Zeva er evaluert på et utvalg kjøkken- og kjemioppgaver. Overføring mellom funksjonelt like effekter, som å lukke en griper, løfte eller tippe en beholder, virker lovende. Men bred overføring til helt andre oppgaveklasser og språklige instruksjoner gjenstår å vise.
Forskningsstatus: Tallene er rapportert i prosjektets artikkel og materiale, ikke bekreftet gjennom en uavhengig replikasjon. Metodebeskrivelsen er klar, men robustheten over lange tidshorisonter, på mer variert maskinvare, med deformérbare objekter og i ukontrollerte produksjonsmiljøer trenger sterkere dokumentasjon.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Zeva: Robotminne som tilpasser seg uten ny trening"?
Zeva lar en frosset Cosmos3 basert robotpolicy tilpasse seg ved å hente fram minner om hva robotens egne handlinger faktisk førte til.
What are the key points to validate first?
Zeva lar en frosset Cosmos3 basert robotpolicy tilpasse seg ved å hente fram minner om hva robotens egne handlinger faktisk førte til. Metoden kombinerer en kausal overgangskoder, et korttidsminne for pågående forsøk og et vedvarende minne på tvers av gjentatte forsøk.
What should I do next in practice?
I rapporterte tester nådde Zeva 76,8 % gjennomsnittlig suksess på RoboCasa365 Atomic5 og 83,3 % på ChemLab Evo Level 1 med ekte robot.
Sources
m.chinaventure.com.cn清华AIR 与域变换联合发布Zeva，用上下文内因果学习开启 ...