# RoboACE موفقیت ربات‌ها را در LIBERO-PRO افزایش داد

> پژوهشگران سامانه‌ای معرفی کرده‌اند که هم چالش‌های تمرینی ربات و هم روال‌های اجرای آن را بازنگری می‌کند. نسخه مستقرشده با مدل ثابت به موفقیت 74% در LIBERO-PRO رسید.

Oossa · 2026-11-11 · https://oossa.com/fa/roboace-reports-higher-robot-success-on-libero-pro

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.

## حقایق

- مقاله RoboACE با شماره 2611.13034 در arXiv منتشر شد.
- نرخ موفقیت گزارش‌شده در LIBERO-PRO برابر با 74.0% 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.

## منابع و ارجاع‌ها

1. [RoboACE: Adversarial Co-Evolution for Robot Self-Improvement](https://arxiv.org/abs/2611.13034) – arXiv cs.RO, 2026-11-11

آخرین به‌روزرسانی: 2026-11-11