# Robo-COP lässt Roboter im Einsatz dazulernen

> Das neue Robo-COP-System trainiert Roboter-Policies und ihre Orchestratoren gemeinsam. Dadurch stieg die Erfolgsquote in Simulationen auf 73,8 Prozent und in der realen Welt auf 50 Prozent.

Oossa · 2026-10-08 · https://oossa.com/de/robo-cop-lets-robots-improve-themselves-while-deployed

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.

## Die Fakten

- Die mittlere Erfolgsquote bei zuvor nicht verwendeten Aufgaben stieg in Simulationen von 64,8 auf 73,8 Prozent.
- Die Erfolgsquote bei zuvor nicht verwendeten Aufgaben in der realen Welt stieg 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.

## Quellen und Referenzen

1. [Co-Evolving Robot Orchestrators and Policies through Deployment](https://arxiv.org/abs/2610.09228) – arXiv cs.RO, 2026-10-08

Zuletzt aktualisiert: 2026-10-08