Les chercheurs présentent A2-MEAS, un système d’apprentissage robotique qui s’appuie sur des « codes de correction » écrits pour guider les actions et corriger les erreurs. Son modèle d’action A2-WLA combine l’historique des mouvements et un modèle de l’évolution du monde.
L’article fait état d’un taux de réussite de 45.40% pour 100 tâches publiques de BEHAVIOR 2026 et d’un taux de réussite moyen de 57.92% pour 12 tâches ménagères réalisées avec de vrais robots. Lors de tests de préparation du café, un adaptateur prenant en compte l’historique a amélioré le taux de réussite après des échecs à deux étapes de manipulation du filtre. Les auteurs indiquent qu’ils prévoient de publier le système et les ressources de formation.
Pourquoi c'est important
Pour les chercheurs en robotique, ces résultats laissent penser que conserver une trace des actions passées et des corrections pourrait aider les robots à se remettre d’échecs lors de tâches ménagères. Toutefois, les tests présentés dans l’article ne permettent pas d’établir dans quelle mesure cette approche fonctionnera dans d’autres contextes.
