Transferlernen
Transferlernen in der Robotik beinhaltet die Anpassung eines auf einer Domäne vortrainierten Modells (z. B. Internet-Vision-Language-Daten, Simulation oder ein anderer Roboter) an eine Zielaufgabe oder einen Zielroboter mit begrenzten zusätzlichen Daten. Das Fine-Tuning der letzten Schichten eines vortrainierten Backbones auf Roboter-Demonstrationsdaten ist der häufigste Ansatz; vollständiges Fine-Tuning aller Gewichte wird verwendet, wenn ausreichend Roboterdaten verfügbar sind. Transferlernen ist der Mechanismus, der Foundation Models für die Robotik praktisch macht – die Alternative, von Grund auf nur mit Roboterdaten zu trainieren, würde Millionen von Demonstrationen erfordern. Siehe auch Vortraining, Sim-to-Real-Transfer. Siehe dies in der Praxis: unsere Real-World-Evaluierungen →