يقترح الباحثون التدريب المسبق غير المعتمد على المهمة (TAP)، وهو إطار عمل من مرحلتين مصمم لمعالجة ندرة عروض الخبراء في نماذج الرؤية-اللغة-الإجراء (VLA) عن طريق فصل الكفاءة المادية عن المحاذاة الدلالية. تتعلم الطريقة أولاً أوليات حركية قابلة للنقل من بيانات التفاعل غير الموسومة عبر هدف ديناميكيات عكسية ذاتي الإشراف، ثم ترسيخ هذه الأوليات في اللغة باستخدام الحد الأدنى من بيانات الخبراء.
- يتطابق TAP مع أداء النماذج المدربة على أكثر من 1 مليون مسار خبير مع استخدام كميات أقل بكثير من البيانات الموسومة.
- يؤدي النهج إلى تحقيق مكسب مطلق بنسبة 10% مقارنة بنسخ السلوك القياسي في معيار SIMPLER.
- على منصة WidowX الواقعية، يحافظ TAP على نسبة نجاح تبلغ 25% تحت اضطرابات الكاميرا حيث تنهار الأسس واسعة النطاق عبر الإنترنت إلى 0%.
يوضح هذا أن التدريب المسبق غير المعتمد على المهمة ينتج تمثيلات مادية قوية وقابلة للنقل، ويوفر مسارًا قابلاً للتوسع للأمام للذكاء الاصطناعي الجسدي.