پژوهشگران Robo‑COP را معرفی کرده‌اند؛ روشی که در آن سیاست بینایی‌ـ‌زبان‌ـ‌کنش ربات و هماهنگ‌کننده آن، حین استفاده واقعی، هم‌زمان تنظیم دقیق می‌شوند. این سامانه داده‌های مربوط به خطاهای خودش را گردآوری می‌کند، سیاست را به‌روزرسانی می‌کند و تنها زمانی نسخه جدید را به کار می‌گیرد که عملکرد بهتر آن در وظایفی که برایشان آموزش دیده، ثابت شود. در ده وظیفه شبیه‌سازی‌شده RoboLab، نرخ موفقیت از 64.8% به 73.8% رسید و در سه وظیفه دنیای واقعی از 38.3% به 50.0% افزایش یافت.
چرا مهم است
این روش به ربات‌های خدماتی امکان می‌دهد هنگام کار بهتر شوند و نیاز به برنامه‌ریزی مجدد دستی و مکرر را کاهش می‌دهد.
