پژوهشگران DiMuRe را معرفی کرده‌اند؛ سامانه‌ای که وقتی اختلال باعث می‌شود حرکت بعدی ربات دیگر مناسب نباشد، به آن کمک می‌کند کارش را از سر بگیرد. این سامانه با توجه به شواهد مربوط به مرحلهٔ فعلی کار ربات تصمیم می‌گیرد برنامهٔ موجود را دوباره به کار بگیرد یا مهارت بازیابیِ از پیش تعریف‌شده‌ای را امتحان کند؛ همچنین، پس از توقف برنامه، یک مدل هوش مصنوعی می‌تواند کدی اصلاحی تولید کند.
مقاله برای 801 موردِ دارای اختلال که از پیش در محیط توسعهٔ Encore برنامه‌ریزی شده بودند، نرخ موفقیت در تکمیل وظیفه را برای Local DiMuRe برابر با 77.65% گزارش می‌کند؛ این رقم برای برنامهٔ اولیه، با همان سقف گام‌های فیزیکی، 58.68% بود. نسخهٔ کامل DiMuRe به 81.90% رسید، اما به گام‌های بیشتری و برنامه‌ریزی دوباره در پایان کار نیاز داشت. پژوهشگران همچنین LIBERO-Disturb را به‌عنوان معیاری برای آزمودن بازیابی معرفی می‌کنند.
چرا مهم است
برای پژوهشگرانی که قابلیت اطمینان وظایف ربات‌ها را می‌سنجند، LIBERO-Disturb معیاری برای بررسی اختلال‌های حین انجام کار فراهم می‌کند؛ اما در این مقاله مشخص نشده است که آیا بهبودهای گزارش‌شده در ربات‌های دیگر یا محیط‌های واقعی هم تکرار می‌شوند.
