Roboter
SO-101
Robometer 4BRealroboterversuch
Die offiziellen Robometer-Ergebnisse umfassen eine Realroboter-Evaluierung auf einer SO-101-Plattform.
Gilt für den berichteten Versuchsaufbau und das Datenerhebungsprotokoll.
Vortrainiertes Belohnungsmodell, das Aufgabenfortschritt und Erfolg anhand von Video und Sprache bewertet.
Für Forschungsevaluierungen und die Bewertung von Roboterverhalten mit Robometer vorgesehen.
Zugang und Verfügbarkeit
- Code
- Öffentlicher Zugang
- Modelldateien
- Öffentlicher Zugang
Code und Training / Fine-Tuning
- Zugang
- Öffentlicher Zugang
Geprüft am · 2026-10-27
- Code-Lizenz
- MIT
Modelldateien
| Datei | Zugang | Gewichtelizenz |
|---|---|---|
| robometer/Robometer-4B | Zugang |
Erste Schritte
- Laufzeit und Frameworks
- LeRobot / TransformersNVIDIA GPU · bfloat16
- Bereitstellungsanforderungen
- Python ab 3.10 und NVIDIA-GPU-Treiber; der HTTP-Inferenzserver wird selbst betrieben.
Auf einen Blick
- Modelltyp
- Belohnungsmodell
- Backbone
- Qwen3-VL-4B
- Gewichteparameter
- 4.4503 B
- Eingabe
- Sprachanweisung / RGB-Kamerabilder
- Veröffentlichung
- 2. März 2026
Verwandte Roboter
Evaluationsergebnisse
Keine verifizierten unabhängigen Evaluationen für diese Version oder die ausgewählten Gewichte erfasst.
Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert
RBM-EVAL · Außerhalb der Trainingsverteilung ↗VOC Pearson r: 0.94
Training mit vollständigem RBM-1M; Belohnungsevaluation außerhalb der Trainingsverteilung. Gerundete Gesamtergebnisse der Autoren.
Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert
RBM-EVAL · Außerhalb der Trainingsverteilung ↗Trajektorienrangfolge: Kendall tau: 0.64
Training mit vollständigem RBM-1M; Belohnungsevaluation außerhalb der Trainingsverteilung. Gerundete Gesamtergebnisse der Autoren.
Technische Details
Sprachen
Englisch
Funktionsbereich
Belohnungs- und Fortschrittsbewertung
Pipeline-Aufgabe
Roboter-Belohnungsmodellierung
Vorhersageausgabe
Aufgabenfortschritt und Erfolgswert
Ressourcen
Modellkarte
Publikation: Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons. arXiv:2603.02115, erstmals eingereicht am 2026-03-02. Anthony Liang und Yigit Korkmaz sind gleichberechtigte Erstautoren. Stephen Tu, Erdem Bıyık und Jesse Zhang betreuten die Arbeit gleichberechtigt. Die Publikation benennt keinen korrespondierenden Autor. [arXiv](https://arxiv.org/abs/2603.02115) · [PDF v1](https://arxiv.org/pdf/2603.02115v1) · [Project](https://robometer.github.io/)
Vor der Verwendung: Belohnungswerte sind Modellurteile und können von Kameraperspektive, Aufgabenformulierung und Verteilungsverschiebungen beeinflusst werden. Sie stellen kein Signal für die physische Sicherheit dar. Verfügbare Gewichte oder Code belegen keine sofortige Roboterkompatibilität. Prüfen Sie Konfiguration, Daten und Schnittstellen in der Quelldokumentation.
Quelle oder Korrektur einreichen
