DISC: Disaccoppiare il Linguaggio dall'Input Visivo nelle Politiche dei Robot

Un approccio innovativo chiamato DISC (Decoupling Instruction from State-Conditioned Control) affronta il problema della perdita di osservazione nelle politiche di manipolazione robotica che si basano sul linguaggio. I metodi tradizionali utilizzano parametri di rete condivisi per elaborare istruzioni e input visivi, consentendo alla rete di formare scorciatoie dalla scena all'azione, aggirando così il grounding linguistico. Al contrario, DISC impiega una iperrete per derivare l'intero insieme di parametri per una politica visuomotoria specifica del compito basata esclusivamente sull'istruzione. Questa politica generata non interagisce direttamente con il linguaggio, garantendo che la consapevolezza del compito derivi dal linguaggio e prevenendo efficacemente la perdita di osservazione. Per creare pesi di politica coerenti ad alta dimensionalità, DISC utilizza una iperrete a due stadi, incorporando l'ottimizzazione basata sul gradiente nella sua fase di raffinamento. Il documento è disponibile su arXiv con ID 2605.20856.