پژوهشگرانی که RoboACE را معرفی کرده‌اند، روشی پیشنهاد می‌کنند تا عامل‌های رباتیک با بازنگری هم‌زمان در چالش‌هایی که برای تمرین انجام می‌دهند و روال‌هایی که برای اجرای وظایف به کار می‌گیرند، عملکردشان را بهبود دهند. این چارچوب با مدل‌های پایه ثابت کار می‌کند و به‌تناوب برنامه درسی تمرین و سازوکار اجرای وظایف را به‌روزرسانی می‌کند.
در ارزیابی‌های پژوهشگران، نسخه مستقرشده با مدل ثابت به موفقیت 74.0% در LIBERO-PRO رسید. این رقم 15 واحد درصد بالاتر از نسخه اولیه و 13.5 واحد درصد بیشتر از اجرای مستقیم با کنترل‌گر بینایی-زبان-کنش آن بود.
چرا مهم است
برای پژوهشگران رباتیک که به‌دنبال راه‌هایی برای بهبود مهارت‌های ربات بدون تغییر مدل پایه هستند، RoboACE از افزایش عملکرد با بازنگری در انتخاب تمرین‌ها و روال‌های اجرا خبر می‌دهد؛ هنوز مشخص نیست این دستاوردها در فراتر از وظایف آزمایش‌شده در خانواده LIBERO هم تکرار شوند.
