# A2-MEAS ottiene risultati in simulazioni e attività domestiche

> L’articolo su arXiv presenta un sistema multi-agente per l’apprendimento dei robot e riporta risultati elevati nei benchmark, tra cui un migliore recupero dagli errori nella preparazione del caffè.

Oossa · 2026-11-09 · https://oossa.com/it/a2-meas-reports-results-across-robot-simulation-and-household-tasks

I ricercatori presentano A2-MEAS, un sistema per l’apprendimento dei robot che usa «codici di correzione» scritti per guidare le azioni e rimediare agli errori. Il modello d’azione A2-WLA combina la cronologia dei movimenti con un modello dei cambiamenti del mondo.

Secondo l’articolo, il sistema ha completato con successo il 45.40% delle 100 attività pubbliche di BEHAVIOR 2026 e ha ottenuto una percentuale media di successo del 57.92% in 12 attività domestiche con robot reali. Nei test di preparazione del caffè, un adattatore condizionato dalla cronologia ha migliorato il completamento dopo gli errori in due passaggi di manipolazione del filtro; gli autori affermano che intendono rendere disponibili il sistema e i materiali di addestramento.

## I fatti

- Secondo l’articolo, A2-MEAS ha ottenuto un punteggio di 0.6411 sul set pubblico di 100 attività di BEHAVIOR 2026.
- Per due passaggi di manipolazione del filtro del caffè, il completamento dopo un errore è salito dal 14% al 94% e dall’8% all’82%, rispetto ai nuovi tentativi con A2-WLA.

## Perché conta

Per chi fa ricerca in robotica, i risultati suggeriscono che registrare le azioni passate e le correzioni potrebbe aiutare i robot a rimediare agli errori nelle attività domestiche. I test riportati nell’articolo, tuttavia, non dimostrano quanto bene questo approccio possa funzionare in altri contesti.

## Fonti e riferimenti

1. [Toward the Era of Agentic Embodied Intelligence](https://arxiv.org/abs/2611.09124) – arXiv cs.RO, 2026-11-09

Ultimo aggiornamento: 2026-11-09