# Robo‑COP به ربات‌ها امکان می‌دهد هنگام کار بهتر شوند

> سامانه جدید Robo‑COP سیاست‌های ربات و هماهنگ‌کننده‌های آن‌ها را هم‌زمان آموزش می‌دهد و نرخ موفقیت را در شبیه‌سازی به 73.8% و در دنیای واقعی به 50% می‌رساند.

Oossa · 2026-10-08 · https://oossa.com/fa/robo-cop-lets-robots-improve-themselves-while-deployed

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.

## حقایق

- میانگین موفقیت در وظایف کنارگذاشته‌شده در شبیه‌سازی از 64.8% به 73.8% افزایش یافت
- موفقیت در وظایف کنارگذاشته‌شده در 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.

## منابع و ارجاع‌ها

1. [Co-Evolving Robot Orchestrators and Policies through Deployment](https://arxiv.org/abs/2610.09228) – arXiv cs.RO, 2026-10-08

آخرین به‌روزرسانی: 2026-10-08