Forschende haben Robo-COP vorgestellt: ein Verfahren, bei dem die Vision-Language-Action-Policy eines Roboters und sein Orchestrator während des Einsatzes gemeinsam feinjustiert werden. Das System sammelt Daten zu eigenen Fehlern, aktualisiert die Policy und übernimmt die neue Version erst, wenn sie sich bei den trainierten Aufgaben als besser erweist. Bei zehn simulierten RoboLab-Aufgaben stieg die Erfolgsquote von 64,8 auf 73,8 Prozent; bei drei Aufgaben in der realen Welt erhöhte sie sich von 38,3 auf 50,0 Prozent.
Warum es wichtig ist
So können Serviceroboter bei der Arbeit besser werden, ohne dass sie häufig manuell umprogrammiert werden müssen.
