# A2-MEAS obtiene resultados en simulación y tareas domésticas

> El artículo de arXiv presenta un sistema multiagente de aprendizaje robótico y destaca sus resultados en pruebas de referencia, incluida una mejor recuperación tras fallos al preparar café.

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

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.

## Los hechos

- Según el artículo, A2-MEAS obtuvo una puntuación de 0.6411 en el conjunto público de 100 tareas de BEHAVIOR 2026.
- En dos pasos de manipulación del filtro de café, la tasa de finalización tras un fallo aumentó del 14% al 94% y del 8% al 82%, en comparación con los nuevos intentos de A2-WLA.

## 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.

## Fuentes y referencias

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

Última actualización: 2026-11-09