Il framework ART migliora i modelli VLA con l'uso di strumenti al volo

Il framework Agentic Robot with Tool-use (ART) introduce una nuova integrazione di modelli end-to-end Visual-Language-Action (VLA) con l'uso di strumenti agentici, consentendo ai robot di utilizzare moduli di strumenti prontamente disponibili per una maggiore efficienza. Come descritto nell'articolo arXiv 2608.14047, questo framework semplifica lo spazio delle soluzioni di azione rispetto ai modelli VLA tradizionali, migliorando la generalizzabilità su vari compiti e riducendo la dipendenza da grandi quantità di dati. Per dimostrare questi vantaggi, i ricercatori hanno compilato un dataset con 30.000 traiettorie di uso di strumenti e dimostrazioni di azioni, notevolmente più piccolo rispetto a quelli impiegati dai metodi convenzionali. Il loro regime di addestramento si concentra sul ragionamento a lunga traiettoria per l'uso di strumenti in ambienti complessi. I risultati rivelano che ART supera i metodi di base raggiungendo un tasso di successo superiore del 20%. L'articolo è stato presentato come contributo cross-type su arXiv, suggerendo una possibile presentazione a conferenze. Questo framework mira a servire come sistema di iniezione di strumenti, ottimizzando qualsiasi modello VLA e migliorando le capacità nella visione di basso livello, nell'affordance di alto livello e nell'embodiment. Questa strategia potrebbe minimizzare la necessità di raccolta dati estensiva nell'apprendimento robotico, rendendo i modelli VLA più applicabili in scenari del mondo reale.