Investigadores presentan LEXP, un sistema que ayuda a un robot a reutilizar lo aprendido en intentos anteriores de tareas de manipulación. Combina la planificación de tareas con un módulo que interpreta la evidencia de ejecución, guarda las lecciones e indica en qué condiciones se aplican, y aporta instrucciones pertinentes para acciones posteriores; los pesos del modelo y la interfaz de acciones permanecen fijos.
En las pruebas de los investigadores, realizadas en 12 tareas del mundo real, LEXP tuvo éxito en 23 de 36 intentos (63,9%), frente a 19 de 36 (52,8%) con solo memoria y 2 de 36 (5,6%) con el modelo ChatGPT-6-Astra sin modificaciones. Estos son los resultados que informa el artículo, no una evaluación independiente.
Por qué importa
Para quienes investigan en robótica, los resultados sugieren que conservar lecciones específicas de cada tarea puede mejorar el rendimiento de un modelo fijo en intentos físicos repetidos; aún se desconoce hasta qué punto el método puede aplicarse a tareas distintas de estas 12.
