Teach Robots to Learn Like People

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

Koneiden käyttäytymistä ei tarvitse enää kirjoittaa kaavoiksi käsin

Koneiden käyttäytymistä ei tarvitse enää kirjoittaa kaavoiksi käsin

Kun hissi lähtee liikkeelle, ilmastointi säätää puhallusta tai robotti asettaa ruuvin paikalleen, taustalla on malli siitä, miten kone käyttäytyy. Niitä on perinteisesti rakennettu niin kuin hyviä reseptejä: asiantuntija kerää kokemusta, mittaa, kirjoittaa yhtälöitä ja virittää pitkään. Se vie aikaa – ja jokainen muutos laitteessa tai ympäristössä tarkoittaa uutta työtä. Viime vuosina

By Kari Jaaskelainen
Oppimalla ohjattu vedenalainen robotti löysi telakan – myös oikeassa vedessä

Oppimalla ohjattu vedenalainen robotti löysi telakan – myös oikeassa vedessä

Kun robotti-imuri hivuttautuu kotona lataustelakkaansa, kukaan ei pidä hetkeä ihmeenä. Veden alla sama temppu on kaikkea muuta kuin arkipäivää – näkyvyys on huono, virtaukset nykivät, eikä satelliittipaikannus auta. Silti juuri tähän suuntaan on otettu askel, joka voi venyttää vedenalaisten robottien toimintamatkaa ja -aikaa. Vuosia on ajateltu, että vedenalaisen telakoitumisen kaltaiset tehtävät

By Kari Jaaskelainen
Oppivat liikennevalot voivat lyhentää jonotusaikaa kymmenesosan

Oppivat liikennevalot voivat lyhentää jonotusaikaa kymmenesosan

Kaikki tietävät hetken, kun seisot punaisissa valoissa keskellä yötä, eikä mihinkään suuntaan näy autoja. Tai aamun, jolloin tavallinen risteys puuroutuu yllättäen, koska osa kuljettajista päättääkin kääntyä eri suuntaan kuin yleensä. Liikennevalot ovat sääntöjen koneita, mutta liikenne elää kuin säätila. Pitkään ratkaisuksi on ehdotettu ”älykkäitä” valoja, jotka oppivat liikenteestä ja säätävät

By Kari Jaaskelainen