# Un sistema di apprendimento robotico migliora con i tentativi passati

> I ricercatori presentano LEXP, che trasforma le prove raccolte durante l’esecuzione in indicazioni riutilizzabili. In 12 attività nel mondo reale, ha avuto successo nel 63,9% dei tentativi, contro il 5,6% senza il sistema.

Oossa · 2026-11-02 · https://oossa.com/it/robot-learning-system-improves-task-success-using-past-attempts

Data dell’evento: 2026-10-30

I ricercatori presentano LEXP, un sistema che aiuta un robot a riutilizzare le lezioni apprese nei tentativi precedenti di manipolazione. Combina la pianificazione delle attività con un modulo che interpreta le prove raccolte durante l’esecuzione, salva le lezioni insieme alle condizioni in cui si applicano e fornisce indicazioni pertinenti alle azioni successive; i pesi del modello e l’interfaccia per le azioni restano invariati.

Nei test dei ricercatori, condotti su 12 attività nel mondo reale, LEXP ha avuto successo in 23 tentativi su 36 (63,9%), contro 19 su 36 (52,8%) con la sola memoria e 2 su 36 (5,6%) con il modello ChatGPT-6-Astra di base. Si tratta dei risultati riportati nell’articolo, non di una valutazione indipendente.

## I fatti

- LEXP: 23 tentativi riusciti su 36; sola memoria: 19 su 36; Astra senza modifiche: 2 su 36.
- L’articolo è stato inviato ad arXiv il 30 ottobre 2026.

## Perché conta

Per chi fa ricerca in robotica, i risultati suggeriscono che conservare lezioni specifiche per ciascuna attività può migliorare le prestazioni di un modello invariato nel corso di tentativi fisici ripetuti; non è ancora noto quanto l’approccio possa essere applicato al di là di queste 12 attività.

## Fonti e riferimenti

1. [Learning from Physical Experience:Context-Space Adaptation for Robotic Manipulation](https://arxiv.org/abs/2610.41320) – arXiv cs.RO, 2026-11-02

Ultimo aggiornamento: 2026-11-02