Команда «прибери стол» объединяет много разных движений: подойти, взять предмет, перенести его и отпустить. Но большие робототехнические наборы данных часто хранят только общее название задания. Команда Сюэюаня Вэя предложила систему единых меток коротких, или атомарных, действий с привязкой ко времени, чтобы модели могли видеть структуру длительного процесса.
Авторы собрали разметку для 1,45 миллиона траекторий, выделив 6,88 миллиона фрагментов навыков общей продолжительностью 16 882,1 часа. Процесс сочетает ручную разметку, перенос меток на повторяющиеся последовательности действий[1] и многоступенчатую проверку качества. Для оценки создан специальный тест, где нужно распознавать навык и находить его границы во времени.
По заявлению исследователей, обученная на этих данных модель разметки превзошла все рассмотренные открытые и закрытые модели на собственном тесте и внешнем WGO-Bench. В задачах управления дополнительная разметка вместе с иерархическим выполнением улучшала успех на LIBERO-Long, LIBERO-Plus и RoboTwin. Точные размеры улучшения в кратком описании не приведены; выпуск данных и инструментов заявлен на будущее.
Важное различие — один раз выполнить действие и уверенно повторять его в разных условиях. Представь, что ты ищешь дорогу в незнакомом музее: запомнить один поворот недостаточно, если проход закрыли. Робота тоже нужно проверять с другими предметами и в немного изменённой обстановке. Числа в исследовании относятся только к описанному испытанию[2]. Полезно спросить, где система ошибалась, помогал ли человек и что изменилось между тренировкой и проверкой. Так можно понять, чему действительно научилась машина, не принимая красивую демонстрацию за готовое решение. Единая временная разметка облегчает сравнение данных, но ошибка в начале или конце навыка способна исказить последующее обучение. Для справки: разработчики назвали эту систему RoboAtom-Data.