测量机器人策略中的语言迁移：将希腊语添加到Cosmos3视觉-语言-动作策略

机器人基础模型主要用英语训练和评估，而大多数语言的机器人演示语料库不存在。我们研究了仅使用机器重述的指令且不改变架构，向开源视觉-语言-动作堆栈添加希腊语。主要挑战在于测量而非翻译。多种可能的测量工具得出了错误结论：颜色直方图指标奖励了噪声，单一目标基准在正确希腊语下得分84.6%，在故意错误指令下得分82.6%，训练损失无法预测希腊语成功，单次运行比较被种子变异主导。在包含三个种子每臂的区分性九十任务套件中，没有希腊语演示的多语言文本塔仍处于其错误指令基线，而仅希腊语训练最多超过其控制2.7个百分点。双语训练比其控制持续高出6.7-7.1个百分点，达到英语性能的大约五分之二。该策略还过拟合到翻译者的措辞；每个任务训练七种措辞大约减半了这种惩罚。从语言适应的世界模型进行热启动和解冻文本塔都会降低性能。结果支持低资源机器人策略本地化的两个实际要求：在信任指标之前建立有保证的空基线，并跨种子复制低资源语言结果。