ОтветыОпубликовано14 источники
Zeva: причинная память для роботов без обновления весов
Zeva не меняет веса базовой политики Cosmos3 во время работы: робот адаптируется, извлекая из памяти опыт «действие → физический результат». Система использует причинный кодировщик CTE, кратковременную память BIT для текущей попытки и постоянную память PIM для опыта между попытками.
ОпубликовалОтредактировано с помощью GPT-5.6 TerraИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Zeva не меняет веса базовой политики Cosmos3 во время работы: робот адаптируется, извлекая из памяти опыт «действие → физический результат».
- Система использует причинный кодировщик CTE, кратковременную память BIT для текущей попытки и постоянную память PIM для опыта между попытками.
- В симуляторе RoboCasa365 Atomic5 Zeva показала 76,8% среднего успеха; на реальных задачах ChemLab Evo результаты для трёх базовых операций выросли с 65% до 100%, с 25% до 70% и с 30% до 80%.
- Это пока результаты авторов работы, а не независимой репликации: перенос на другие роботы, мягкие материалы и длительные реальные развёртывания ещё не доказан.
Промпт ИИ
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 — это подход к адаптации роботов-манипуляторов непосредственно во время эксплуатации. Вместо привычного цикла «собрать данные → разметить → дообучить модель → заново развернуть» система оставляет веса политики на базе Cosmos3 неизменными. Она запоминает, к чему физически привело действие робота, и подаёт извлечённый опыт в качестве контекста при следующем выборе действия. 1
5
Иными словами, робот не обучается в смысле долговременного изменения параметров нейросети. Он меняет поведение за счёт контекстной адаптации на основе памяти.
Из чего состоит Zeva
1. Причинный кодировщик переходов CTE
После каждого действия Causal Transition Encoder (CTE) обрабатывает визуальное состояние, выполненное действие и наблюдаемое изменение мира. Эти данные превращаются в латентное представление причинного взаимодействия. 1
4
Представление разделяется на две части:
- токен фазы задачи — на каком этапе выполнения находится робот;
- сигнал причинного взаимодействия — какой физический эффект вызвало действие.
Задача такого разделения — сфокусироваться на связи «действие → результат», а не на случайных визуальных совпадениях вроде освещения или фона. 1
4
2. Память на двух временных масштабах
Zeva не складывает весь опыт в один общий журнал.
- Brief Interaction Trace (BIT) хранит недавние события в рамках текущей попытки. Это помогает немедленно скорректировать только что допущенную ошибку или учесть локальную динамику объекта.
1
- Persistent Interaction Memory (PIM) сохраняет и объединяет релевантный опыт между повторными попытками в одном эпизоде. Благодаря ей на следующем заходе могут учитываться как неудачные, так и удачные взаимодействия.
Такое разделение похоже на сочетание рабочей памяти и более устойчивого опыта: свежий сигнал не теряется, но и неудача в одном конкретном движении не должна автоматически отравлять всю накопленную память.
3. Внедрение опыта в политику через контекст
Перед очередным действием Zeva извлекает из BIT и PIM свидетельства, соответствующие текущей фазе задачи. Затем система формирует причинный контекст — или causal prompt — и вводит его в путь генерации действий замороженной базовой политики. 1
5
В результате политика может скорректировать поведение без градиентного обновления и без изменения собственных параметров. Практический плюс состоит в том, что после столкновения с непривычной конфигурацией предметов или физическим эффектом не нужны новые размеченные данные, отдельный запуск обучения, выпуск новой версии модели и простой системы. 1
6
Какие результаты заявлены
В симуляционной подвыборке из пяти задач RoboCasa365-Atomic5 Zeva показала средний успех 76,8% против 72,4% у Fast-WAM и 64,8% у Cosmos3-Nano. 1
Авторы также приводят график, где суммарный успех возрастает примерно с 26% в первой попытке эволюции до 73% к четвёртой. Однако в доступном первичном материале этот график относится к RoboCasa365, а не к ChemLab-Evo. Поэтому привязку роста 26% → 73% именно к ChemLab-Evo нельзя считать подтверждённой первоисточником. 1
На реальном манипуляторе ARX в задачах первого уровня набора ChemLab-Evo заявлены следующие изменения по мере повторных попыток:
- подъём пробирки — с 65% до 100%;
- установка химического стакана — с 25% до 70%;
- наливание воды — с 30% до 80%.
В итоговой таблице для Level-1 Zeva получила 100% / 70% / 80% по этим трём задачам, или 83,3% в среднем. Для сравнения, Cosmos3-Nano показала 80% / 70% / 60%, а Fast-WAM — 85% / 70% / 75%. 1
Что даёт одна демонстрация человека
Один физически направленный человеком проход можно записать в тот же механизм памяти как начальное условие. Затем замороженная политика использует этот причинный контекст, чтобы воспроизвести последовательность действий. 6
Предоставленные материалы подтверждают сам механизм однократного «разогрева» человеческой демонстрацией, но не содержат проверенных численных результатов «до/после» конкретно для установки стакана или наливания воды. Корректный вывод: авторы заявляют улучшение или начальную настройку этих задач, но точный размер выигрыша по ним из доступных источников не следует. 6
Почему слабые базовые модели могут выигрывать больше
Вероятное объяснение — запас для улучшения. Более слабая предобученная политика чаще систематически ошибается, когда меняются физические условия. Значит, корректирующий опыт из памяти может устранить больше ошибок. У сильной модели исходный процент успеха выше, поэтому пространство для восстановления меньше.
Это разумная интерпретация, но не установленный универсальный закон: первичные данные показывают сравнительные результаты и улучшение во время работы, а не доказывают, что любая более слабая политика всегда получит больший эффект. 1
Почему для проверки выбрали химию
ChemLab-Evo включает операции, где особенно важны физические последствия действий: захват небольших ёмкостей, точное размещение, наклон и переливание, а также многошаговые процедуры. В наборе семь задач для манипулятора ARX — от простых операций с пробиркой, стаканом и водой до более длинных сценариев, включая титрование, приготовление солевого раствора, взвешивание на весах и экстракцию. 1
Такая среда позволяет проверить, переносится ли между попытками именно запомненная связь между действием и эффектом, а не только зрительное копирование движения.
Ограничения и нерешённые вопросы
Стоимость контекста и инференса. Поиск в памяти и добавление причинного контекста увеличивают вычислительные расходы. Более длинная история может быть полезна лишь до тех пор, пока не начинают мешать качество извлечения, задержка и ограничение длины контекста. Масштабирование на очень длительную эксплуатацию пока не показано.
Качество и загрязнение памяти. Ошибка в причинном кодировании, неверное сопоставление фазы или вводящий в заблуждение неудачный проход могут привести к извлечению вредного опыта. Разделение BIT и PIM снижает риск, но не гарантирует безопасную консолидацию памяти.
Ограниченный физический охват. Реальные испытания в основном касаются жёстких лабораторных предметов и переливания жидкости. Обобщение на ткань, кабели, продукты, мягкую упаковку и задачи с интенсивным контактом, где нужны силовые или тактильные датчики, пока не подтверждено.
Контролируемые условия площадки. Между попытками среду сбрасывали, а PIM сохранялась внутри эпизода. Это не демонстрирует непрерывную многомесячную работу в меняющемся помещении — с дрейфом калибровки камер, износом, людьми, беспорядком и правилами управления долгосрочной памятью.
Перенос на другие платформы. Реальная оценка проводилась на конкретном манипуляторе ARX и в рабочей зоне 80 × 60 см. Остаётся открытым вопрос, насколько чисто кодировщик и способ подачи контекста перенесутся на другие руки, захваты, мобильных и двуруких роботов, сенсоры, частоты управления и требования безопасности.
Широта классов задач. Метод проверялся на отобранных кухонных и химических операциях. Перенос между функционально похожими эффектами — например, захватом, подъёмом и наклоном ёмкости — выглядит перспективно, но перенос на несвязанные классы задач и более разнообразные языковые инструкции ещё требует проверки.
Наконец, это результаты, опубликованные авторами проекта и статьи, а не независимая репликация. Описание механизма выглядит предметным, однако надёжность при длинных горизонтах, на другом оборудовании, с деформируемыми объектами и в неконтролируемых производственных условиях ещё должна быть подтверждена. 1
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Zeva: причинная память для роботов без обновления весов»?
Zeva не меняет веса базовой политики Cosmos3 во время работы: робот адаптируется, извлекая из памяти опыт «действие → физический результат».
Какие ключевые моменты необходимо проверить в первую очередь?
Zeva не меняет веса базовой политики Cosmos3 во время работы: робот адаптируется, извлекая из памяти опыт «действие → физический результат». Система использует причинный кодировщик CTE, кратковременную память BIT для текущей попытки и постоянную память PIM для опыта между попытками.
Что мне делать дальше на практике?
В симуляторе RoboCasa365 Atomic5 Zeva показала 76,8% среднего успеха; на реальных задачах ChemLab Evo результаты для трёх базовых операций выросли с 65% до 100%, с 25% до 70% и с 30% до 80%.
Источники
fe-1301391939.cos.ap-shanghai.myqcloud.comZeva: In-Context Causal Learning for Generalizable Embodied ...
163.com60分靠数据，100分靠自进化：清华曹婷和「域变换」攻向机器人可部署
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 ...