Los investigadores presentan A2-MEAS, un sistema de aprendizaje robótico que utiliza «códigos de corrección» escritos para guiar las acciones y corregir errores. Su modelo de acción A2-WLA combina el historial de movimientos con un modelo de los cambios en el entorno.
El artículo informa de una tasa de éxito del 45.40% en 100 tareas públicas de BEHAVIOR 2026 y de un éxito promedio del 57.92% en 12 tareas domésticas realizadas con robots reales. En las pruebas de preparación de café, un adaptador condicionado por el historial mejoró la tasa de finalización tras fallos en dos pasos de manipulación del filtro; los autores afirman que planean publicar el sistema y los materiales de entrenamiento.
Por qué importa
Para quienes investigan en robótica, los resultados sugieren que registrar las acciones anteriores y las correcciones podría ayudar a los robots a recuperarse de fallos en tareas domésticas. Sin embargo, las pruebas presentadas en el artículo no permiten determinar qué tan bien funcionará el método en otros entornos.
