Mengapa perlu fine-tuning pada kebijakan robot?
Model vision-language-action (VLA) modern cukup baik dalam menggeneralisasi apa yang mereka lihat ke skenario manipulasi baru. Namun, keterampilan pra-latihan mereka hampir selalu tidak cukup untuk bekerja secara stabil di dunia nyata: tindakan yang sama bisa gagal karena pergeseran objek sekecil apa pun, perubahan pencahayaan, atau bentuk komponen. Pendekatan klasik di sini juga tidak menyelesaikan masalah: melatih dari nol mengabaikan prior berguna yang sudah dimiliki model dari kumpulan data besar, sementara fine-tuning tipikal membutuhkan terlalu banyak percobaan dan komputasi. Celah inilah yang ditutup oleh pengembangan baru — sistem EXPO-FT, yang menawarkan fine-tuning RL yang stabil dan efisien untuk kebijakan robot yang sudah ada.
Bagaimana pendekatan ini bekerja
Ide kunci para penulis adalah tidak melatih ulang model dari nol dan tidak membuang sumber daya untuk eksplorasi yang tidak berguna bagi tugas yang diprioritaskan. Sebaliknya, EXPO-FT menyesuaikan model VLA yang sudah memahami tugas sehingga model tersebut cepat beradaptasi dengan persyaratan baru. Pendekatan ini memungkinkan pelestarian pengetahuan umum tentang manipulasi sambil mengasah secara paralel tindakan-tindakan yang tepat yang dibutuhkan untuk aplikasi spesifik.
Selain itu, para pengembang juga memperhatikan stabilitas proses pelatihan. Berdasarkan deskripsi, sistem ini menangani tugas-tugas yang secara tradisional dianggap sulit: mulai dari pemasangan kabel lampu secara presisi yang diikuti pemasangan steker ke stopkontak, pukulan dinamis pada bola biliar hingga masuk ke lubang, hingga penempatan bunga yang hati-hati ke leher botol anggur yang sempit. Dalam semua skenario ini, akurasi posisi dan reaksi tepat waktu terhadap variasi pengaturan awal objek sama-sama penting.
Apa yang diuji dan hasilnya
Para penulis menguji metode ini pada beberapa skenario seperti itu dan merasa puas dengan hasilnya. Pengembangan ini mencapai keseimbangan ideal: di semua tugas yang dievaluasi, sistem berhasil menyelesaikan tugas dalam 30 dari 30 kasus. Selain itu, sistem hanya membutuhkan rata-rata sekitar 19 menit interaksi fisik robot dengan objek. Tentu saja, ini bukan waktu satu episode, melainkan total volume data online yang diperlukan untuk fine-tuning, dan jumlahnya jauh lebih kecil dibandingkan skema tradisional. Saat dibandingkan dengan metode pelatihan dari nol dan varian klasik fine-tuning RL untuk kebijakan VLA, EXPO-FT menunjukkan performa lebih baik dalam hal tingkat keberhasilan, dan karenanya juga dalam hal kepraktisan: lebih sedikit data, lebih banyak penyelesaian yang berhasil.
Kode terbuka dan langkah selanjutnya
Perlu dicatat secara khusus bahwa para peneliti tidak membiarkan sistem ini tertutup. Proyek EXPO-FT diterbitkan dengan kode sumber terbuka — ini memungkinkan tim lain untuk mereproduksi hasil, mengadaptasi metode ke platform robotika mereka sendiri, dan membandingkannya dengan pendekatan mereka. Pada saat publikasi, artikel ini mengumumkan dua versi: versi pertama muncul pada Mei 2026, dan versi kedua pada pertengahan Agustus tahun yang sama, yang kemungkinan besar sudah mempertimbangkan umpan balik dari komunitas. Tampaknya EXPO-FT bukan sekadar teknik laboratorium biasa, melainkan langkah menuju penggunaan model pra-latihan besar yang lebih praktis dalam robotika nyata, di mana anggaran komputasi yang terbatas dan jumlah uji fisik yang tersedia sangat krusial.
