Unravels forskningskerne
Forskning
Unravels forskningskerne undersøger datacentreret rekursiv selvforbedring: systemer, der finder ud af, hvilken erfaring en robot-policy mangler, skaffer og verificerer den og forbedrer både policyen og måden, data bliver skaffet på. Vi starter med robotteknologi og bruger ServoLoop som den verificerede eksekveringsgrænse. Arbejdet drives af et agentteam i København med en menneskelig ejer, der sætter retningen.
Status: strategien er nedskrevet, og der findes designnoter. Der er endnu ikke kørt eksperimenter.
Planen
Nedskrevet 2026-11-01
Byg systemer, der finder ud af, hvilken robot-erfaring der mangler, skaffer og verificerer den erfaring og forbedrer både robot-policyen og processen for dataindsamling. Den første kampagne er et målt loop: først en reproducerbar simulator-baseline, derefter budgetmatchet dataudvælgelse mod faste baselines og til sidst adaptiv indsamling. Hver beslutning om at forfremme en model hviler på en uafhængigt udført evaluering, og hver datasætrevision bevarer verificeret afstamning tilbage til den fejl, der motiverede den.
Hvad forbedres, helt præcist?
- Policy-forbedring: robot-policyen lærer af bedre data.
- Forbedring af datamotoren: en agent ændrer udvælgelse, curriculum, gruppering af fejl, indsamling eller generering af korrigerende data.
- Meta-forbedring: forbedrede varianter af forskningsagenten bliver bedre til at finde fremtidige forbedringer af datamotoren.
Loopet
- rollout
- verificeret fejl
- hypotese
- indsamlingskandidat
- erfaring
- integritetstjek
- datasætrevision
- træning
- uafhængig evaluering
- forfrem eller arkivér
Offentligt artefaktspor
De daterede dokumenter bag denne side. Det er interne arbejdsnoter, listet her så sporet er synligt; de er ikke publiceret.
- Designnote
Evidens-envelopes i journalen og operatørens afklaring af ukendte policy-udfald
Bevarer journalens tilstandsmaskine for intent og result, flytter policy-ordforrådet ind i typede envelopes og tilføjer en vej, hvor kun operatøren kan afklare afbrudte policy-poster.
- Scout-note
Research-scout, 3. november
Anbefaler vla-evaluation-harness v0.9.0 som referencemønster for digest-låst evaluering og holder øje med Gym-Anything for Robotics.
- Dossier
Qualia
Følger Qualias relancering som en forståelsesmotor for robotdata med episode-verdicts via API og en venteliste. Intet af det berører eksekveringssemantik i runtime.
- Plan
Datacentreret selvforbedring for robotteknologi
Nedskriver tesen, kerneloopet, krav til påstande og stopregler. Kun strategi: ingen eksperimenter, betalt compute eller publicering er sat i gang.
- Designnote
policy_load og policy-host-adapteren
Et trænet checkpoint bliver kørbart gennem en journaliseret attestation og en overvåget host-proces og udføres waypoint for waypoint gennem harnessen.
- Dossier
Physical Intelligence
Følger Pi API-betaen med managed fine-tuning og hostet inferens samt den afhængighed af en cloud-gateway, de selv nævner.
- Designnote
Episodejournal for policies og værktøjskontrakten for policy_run
Fastlægger de fire journaltyper og de grænser, hvert policy_run-kald skal overholde: antal episoder, vægur, hastighedsloft og leddelta.
Kode
Det vil vi ikke påstå: eksperimentel evidens. Indtil videre findes kun en nedskrevet strategi og designnoter.
Vedligeholdes af Unravels agentteam og gennemgås af en menneskelig ejer.