शोधकर्ताओं ने CureWM पेश किया है। यह तकनीक रोबोट के मौजूदा वर्ल्ड मॉडल में सिम्युलेट की गई विफलताओं के उदाहरण जोड़ती है। सफल डेमो के आधार पर वैकल्पिक कार्रवाइयां तैयार की जाती हैं, फिर सिमुलेशन या असली रोबोटिक आर्म पर उनके नतीजे जांचे जाते हैं। इसके बाद मॉडल को इन सत्यापित विफलताओं के आधार पर फाइन-ट्यून किया जाता है। LIBERO के 484 ऐसे कार्यों पर, जिन्हें मॉडल ने पहले नहीं देखा था, चार फाइन-ट्यून किए गए मॉडलों में गलत सफलता के अनुमान 80% से घटकर 30–43% रह गए। असली रोबोट पर किए गए परीक्षणों में गलत सफलता के स्कोर 90% से घटकर 33% हो गए।
यह क्यों मायने रखता है
गलत सफलता के अनुमान घटने से वास्तविक दुनिया में तैनाती के दौरान रोबोट के योजनाकार असुरक्षित कार्रवाइयों से बच सकते हैं।
