I ricercatori hanno presentato CureWM, una tecnica che aggiunge esempi di fallimento simulati ai modelli del mondo già esistenti per la robotica. Il metodo genera azioni alternative partendo da dimostrazioni riuscite, ne verifica gli esiti in simulazione o con un braccio robotico reale e perfeziona il modello usando questi fallimenti verificati. Su 484 compiti LIBERO tenuti da parte per la valutazione, l’ottimismo è sceso dall’80% al 30–43% in quattro modelli sottoposti a fine-tuning. Nei test con robot fisici, i punteggi dei falsi successi sono scesi dal 90% al 33%.
Perché conta
Ridurre le previsioni di successo errate aiuta i pianificatori robotici a evitare azioni non sicure nelle applicazioni reali.
