V-Link preserva visão em robôs e supera GR00T N1.6 em tarefas reais

Um método batizado de V-Link — focado em preservar informação visual em IA de controle robótico — reportou maior taxa de sucesso que o modelo base GR00T N1.6 da NVIDIA em três benchmarks de simulação e em duas tarefas executadas em um robô real AGIBOT A3 Ultra.

A diferença mais visível apareceu nas tarefas reais de ligar e desligar equipamentos: o V-Link acertou 98% das tentativas de power-on e 94% de power-off, contra 78% e 70% do GR00T N1.6, em 50 tentativas consecutivas por tarefa.

O ponto fraco é o “handoff” visual

O V-Link ataca um gargalo específico dentro dos sistemas de visão-linguagem-ação (VLA): a passagem de informação entre o modelo de visão-linguagem (VLM), que processa imagem e texto, e o “Action DiT”, que recebe as características transferidas para gerar os movimentos do robô.

O desenho separa a informação espacial (geometria) da informação semântica (o que há na cena) e disponibiliza ambas ao modelo de ação. Para testar se essa informação permanecia acessível, os pesquisadores congelaram as características e treinaram cabeças leves de estimação de profundidade e segmentação semântica.

No modelo base, as características do Action DiT produziram erro médio de profundidade (MAE) de 0,071 — bem pior que o 0,015 das características do VLM — e mIoU de segmentação de 0,290 contra 0,665. Ou seja: a informação visual se degrada justamente no elo que gera a ação.

Ganhos sob deslocamento de distribuição

No benchmark LIBERO, o V-Link ficou em primeiro lugar nas quatro suítes, com 99,3% de sucesso médio. No LIBERO-Plus, que testa sete cenários de deslocamento de distribuição, alcançou 75,0% de sucesso geral — 31,2 pontos acima do GR00T N1.6 — com ganhos especialmente grandes sob ruído (+60,4 pontos) e sob mudanças de linguagem (+47,3 pontos).

O resultado interessa diretamente a quem trabalha com robótica de manipulação, sobretudo em ambientes não controlados, onde a robustez a ruído e a variações de instrução costuma ser o maior obstáculo para levar modelos do laboratório ao chão de fábrica.