StructRL propose un apprentissage par renforcement en ligne structuré pour les tâches VLA longues
1 sourcemis à jour 30 sept.pertinence 2,3 sur5
L’essentiel
Ce framework décompose chaque tâche en sous-tâches vérifiables et n’accorde de récompense intermédiaire qu’après leurs prérequis. Sur RoboCasa365 et LIBERO-Long, avec GR00T-N1.5 et pi 0.5, il dépasse les références évaluées.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZiyi Yin, Sangmin Woo, Kang Zhou et al.huggingface.co
StructRL: Online Structured Reinforcement Learning for Long-Horizon Vision-Language-Action Tasks (site externe)
Vision-language-action (VLA) models perform well on shorter-horizon manipulation tasks but still struggle with long-horizon tasks that require multiple dependent manipulations from a single command.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5