一龍馬/AI 情報站讀懂消息背後的脈絡
星期五
搜尋

Dream Machines 以德國製造場景的雙臂取放任務微調 π0.5,資料集經篩選後包含 7,271 段示範、共 21 小時

中文摘要

其實驗中,完整微調成功率為 76%,最佳 LoRA rank 256 為 52.5%;固定蒐集時間下,五種場景資料比單一場景高 30 個百分點,加入人工介入修正則讓 1.7 小時資料訓練的模型由 28%升至 88%。不過多數比較僅有 40 次 rollout,作者估計 95%信賴區間約正負 15 個百分點,因此小幅差異不足以下定論。

一龍馬判讀

對部署機器人的團隊而言,資料多樣性、人工修正與推論時的動作重規劃,可能比單純延長訓練或採用省記憶體的 LoRA 更有效;但這是單一硬體、任務與評估環境的結果,不能直接外推到其他產線。

原文節錄

Hacker News

Scene diversity beat volume: success rate increased by 30 pp

取得部分原文 · 不代表內容已獨立查證

查看原文 閱讀社群討論
完整收錄文字與來源

Empirical results fine-tuning π0.5 on a real manufacturing task

收錄日期
2026-09-25
來源
官方 RSS+Hacker News Algolia API
抓取時間
2026/09/25 06:00(台北)