# A2-MEAS erzielt Ergebnisse in Simulationen und Haushaltstests

> Das arXiv-Paper stellt ein Multi-Agenten-System für das Roboterlernen vor und berichtet von starken Benchmark-Ergebnissen – darunter einer besseren Fehlerbehebung bei der Kaffeezubereitung.

Oossa · 2026-11-09 · https://oossa.com/de/a2-meas-reports-results-across-robot-simulation-and-household-tasks

Forschende stellen A2-MEAS vor, ein System für das Roboterlernen, das Aktionen mithilfe schriftlicher „Korrekturcodes“ steuert und Fehler behebt. Das Aktionsmodell A2-WLA kombiniert Bewegungsverläufe mit einem Modell dafür, wie sich die Welt verändert.

Laut dem Paper erreicht das System bei 100 öffentlichen BEHAVIOR-2026-Aufgaben eine Erfolgsquote von 45,40 % und bei 12 Haushaltsaufgaben mit echten Robotern im Durchschnitt 57,92 %. In Tests zur Kaffeezubereitung verbesserte ein an den bisherigen Verlauf angepasster Adapter die Erfolgsquote nach Fehlern bei zwei Schritten mit dem Kaffeefilter. Die Autoren geben an, das System und die Trainingsmaterialien veröffentlichen zu wollen.

## Die Fakten

- Laut dem Paper erzielte A2-MEAS im öffentlichen BEHAVIOR-2026-Datensatz mit 100 Aufgaben einen Wert von 0,6411.
- Bei zwei Schritten im Umgang mit dem Kaffeefilter stieg die Erfolgsquote nach einem Fehler im Vergleich zu Wiederholungsversuchen mit A2-WLA von 14 % auf 94 % beziehungsweise von 8 % auf 82 %. 

## Warum es wichtig ist

Für die Robotikforschung deuten die Ergebnisse darauf hin, dass das Festhalten vergangener Aktionen und Korrekturen Robotern helfen könnte, Fehler bei Haushaltsaufgaben zu beheben. Die im Paper beschriebenen Tests zeigen jedoch nicht, wie gut der Ansatz in anderen Situationen funktioniert.

## Quellen und Referenzen

1. [Toward the Era of Agentic Embodied Intelligence](https://arxiv.org/abs/2611.09124) – arXiv cs.RO, 2026-11-09

Zuletzt aktualisiert: 2026-11-09