Teach Robots to Learn Like People

Share
Teach Robots to Learn Like People

Teach Robots to Learn Like People

Building versatile embodied AI (agents that see, read, and act) is hard because real-world data is scarce and training is expensive.

We introduce Deliberate Practice Policy Optimization (DPPO), a metacognitive "metaloop" that alternates between:

  • Supervised fine-tuning to expand general competence
  • Reinforcement learning to refine skills through practice

This loop spots weaknesses automatically and focuses compute where it matters, squeezing more learning from limited data. Theoretically, DPPO unifies preference learning; in practice, it powers Pelican-VL 1.0, a vision-language embodied model.

Results: +20.3% over the base model and +10.6% over open-source models around the 100B-parameter scale—using a systematic, data- and resource-efficient training recipe.

We’re open-sourcing the models and code so the community can build stronger embodied agents with fewer resources.

Paper: https://arxiv.org/abs/2511.16602v1

Paper: https://arxiv.org/abs/2511.16602v1

Register: https://www.AiFeta.com

AI Robotics EmbodiedAI ReinforcementLearning VisionLanguageModels MachineLearning OpenSource DataEfficiency

Read more

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Uusi vertailu näyttää, että tekoälyn tapa muotoilla järjestelmävaatimuksia luonnollisen kielen kysymyksiksi vaihtelee mallin ja aiheen mukaan. Siksi tärkeintä ei ole valita ”parasta” mallia, vaan tilanteeseen sopiva. Kuvitellaan tuttu kokous: pöydän ääressä yritetään päättää, mitä uuden tietojärjestelmän pitää pystyä tekemään. Syntyy lista kysymyksiä, joihin järjestelmän on osattava vastata. Esimerkiksi: ”Mitkä lääkkeet

By Kari Jaaskelainen
Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Kun tutkija jättää työpöytänsä, hänen äänensä ei välttämättä vaikene. Pelkistä julkaisuista voidaan jo rakentaa tekoäly, joka ohjaa väitöskirjaa, arvioi artikkeleita ja väittelee paneelissa – uskottavasti. Useimmat meistä ajattelevat tutkimusartikkeleita kirjastoiksi: hyllyriveiksi ajatuksia, joihin muut voivat palata. Uusi arXivissa julkaistu esityspaperi ehdottaa toisenlaista kuvaa. Julkaisut ovatkin rakennuspiirustuksia, joista voidaan koota tekijänsä ajattelutapa

By Kari Jaaskelainen
Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Moni tietää tunteen seminaarin päätteeksi: ohjelma oli kiinnostava, mutta kuka päätti, mistä puhuttiin ja mistä ei? Usein vastaus on pieni ohjelmakomitea, joka tekee valinnat ennakkoon. Yleisö kuuntelee, harva vaikuttaa. Eräässä tekoälyn yhteiskunnallisia vaikutuksia käsittelevässä kansainvälisessä konferenssissa kokeiltiin toisenlaista tapaa. Osallistujat eivät vain tulleet paikalle – he auttoivat muokkaamaan itse tilaisuuden suuntaa.

By Kari Jaaskelainen