ARC: Разумный реципиент для моделей фонда Роботов

arXiv: 2610.12386v1 Annualce Type: Cross Резюме: Преобладающий подход к совершенствованию моделей фундамента роботов (RFMS) основывается на более крупных моделях, большем числе демонстраций робо-выставок и дорогостоящем обучении в масштабах. Мы показываем, что существует эффективный и действенный взаимодополняющий подход: правильный рецепт может существенно улучшить результативность задач с нулевым исходом существующих современных РРМ. Мы называем этот рецепт ARC. Она состоит из трех ключевых компонентов: следа рассуждений, расширяющегося автоматических ярлыков и стратегии адаптации заранее подготовленных РМБ к использованию этих следов для контроля. Во-первых, мы считаем, что эффективные логические следы должны основываться на следующем действии робота и объяснять его причинно-следственную структуру: почему это действие уместно и какое воздействие оно должно дать. Во-вторых, мы показываем, что эти следы могут быть получены автоматически в результате существующих демонстраций, позволяющих нам построить ARC-Trace-DROID из DroID без сбора новых роботов. В-третьих, мы показываем состояние