Des chercheurs ont présenté Robo‑COP, une méthode qui affine simultanément, pendant l’utilisation réelle, la politique de vision-langage-action d’un robot et son orchestrateur. Le système recueille les données sur ses propres erreurs, met à jour la politique et n’adopte la nouvelle version qu’après avoir vérifié qu’elle donne de meilleurs résultats sur les tâches pour lesquelles elle a été entraînée. Sur dix tâches simulées de RoboLab, le taux de réussite est passé de 64,8 % à 73,8 % ; sur trois tâches réelles, il a progressé de 38,3 % à 50,0 %.
Pourquoi c'est important
Les robots de service peuvent ainsi progresser sur le terrain, ce qui réduit le besoin de les reprogrammer manuellement fréquemment.
