# Un sistema de aprendizaje robótico mejora con intentos previos

> Investigadores presentan LEXP, un sistema que convierte la evidencia de ejecución en instrucciones reutilizables. En 12 tareas del mundo real, tuvo éxito en el 63,9% de los intentos, frente al 5,6% sin el sistema.

Oossa · 2026-11-02 · https://oossa.com/es/robot-learning-system-improves-task-success-using-past-attempts

Fecha del evento: 2026-10-30

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.

## Los hechos

- LEXP: 23/36 intentos exitosos; solo memoria: 19/36; Astra sin modificaciones: 2/36.
- El artículo se envió a arXiv el 30 de octubre de 2026.

## 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.

## Fuentes y referencias

1. [Learning from Physical Experience:Context-Space Adaptation for Robotic Manipulation](https://arxiv.org/abs/2610.41320) – arXiv cs.RO, 2026-11-02

Última actualización: 2026-11-02