Bisakah robot menguasai manipulasi kompleks dengan berlatih dalam video yang dihasilkan AI mereka sendiri? Para peneliti dari Stanford dan Tsinghua memperkenalkan VLAW, kerangka kerja baru yang dirancang untuk meningkatkan pembelajaran robot melalui lingkaran umpan balik berkelanjutan. Metode ini menggunakan strategi peningkatan bersama: data robot dunia nyata digunakan untuk membuat simulator video lebih realistis, yang kemudian menghasilkan data latihan sintetis berkualitas tinggi untuk melatih otak robot. Ini memperbaiki masalah umum di mana simulator gagal menangkap detail fisik kecil dan kritis yang diperlukan untuk tugas-tugas yang rumit. Dalam eksperimen dunia nyata, VLAW mencapai peningkatan tingkat keberhasilan absolut 39,2 persen dibandingkan kebijakan dasar, secara signifikan mengungguli model standar dengan secara efektif menjembatani kesenjangan antara simulasi dan realitas. VLAW: Peningkatan Bersama Berulang Visi-Bahasa-Tindakan Kebijakan dan Model Dunia Kertas: Kode: Laporan kami: