# نظام لتعلّم الروبوتات يحسّن نجاح المهام بالاستفادة من المحاولات السابقة

> يقدّم الباحثون LEXP، وهو نظام يحوّل أدلة التنفيذ إلى إرشادات قابلة لإعادة الاستخدام. وفي 12 مهمة واقعية، نجح في 63.9% من المحاولات، مقابل 5.6% من دون النظام.

Oossa · 2026-11-02 · https://oossa.com/ar/robot-learning-system-improves-task-success-using-past-attempts

تاريخ الحدث: 2026-10-30

يقدّم الباحثون LEXP، وهو نظام يساعد الروبوت على الاستفادة من الدروس المستخلصة من محاولات سابقة لتنفيذ مهام المناولة. ويجمع النظام بين تخطيط المهام ووحدة تفسّر أدلة التنفيذ، وتحفظ الدروس مع تحديد الظروف التي تنطبق فيها، ثم تمرّر الإرشادات المناسبة إلى الإجراءات اللاحقة؛ فيما تظل أوزان النموذج وواجهة تنفيذ الأفعال ثابتة.

في اختبارات الباحثين التي شملت 12 مهمة واقعية، نجح LEXP في 23 من أصل 36 محاولة (63.9%)، مقارنةً بـ19 من أصل 36 (52.8%) عند استخدام الذاكرة وحدها، وبمحاولتين من أصل 36 (5.6%) مع نموذج ChatGPT-6-Astra الأساسي. وهذه نتائج أوردتها الورقة البحثية، وليست تقييماً مستقلاً.

## الحقائق

- LEXP: نجح في 23/36 محاولة؛ الذاكرة وحدها: 19/36؛ نموذج Astra الأساسي: 2/36.
- أُرسلت الورقة إلى arXiv في October 30, 2026.

## لماذا يهم

بالنسبة إلى باحثي الروبوتات، تشير النتائج إلى أن الاحتفاظ بدروس خاصة بكل مهمة قد يحسّن أداء نموذج ثابت عبر محاولات مادية متكررة؛ لكن مدى نجاح هذا النهج في مهام تتجاوز هذه المهام الـ12 لا يزال مجهولاً.

## المصادر والمراجع

1. [Learning from Physical Experience:Context-Space Adaptation for Robotic Manipulation](https://arxiv.org/abs/2610.41320) – arXiv cs.RO, 2026-11-02

آخر تحديث: 2026-11-02