Investigadores presentaron Robo-COP, un método que ajusta conjuntamente, durante el uso real, la política de visión, lenguaje y acción de un robot y su orquestador. El sistema recopila datos de sus propios errores, actualiza la política y solo adopta la nueva versión cuando demuestra ser mejor en las tareas para las que se entrenó. En diez tareas simuladas de RoboLab, el éxito aumentó del 64,8% al 73,8%; en tres tareas del mundo real, pasó del 38,3% al 50,0%.
Por qué importa
Permite que los robots de servicio mejoren mientras trabajan y reduce la necesidad de reprogramarlos manualmente con frecuencia.
