Onderzoekers introduceren A2-MEAS, een leersysteem voor robots dat geschreven ‘correctiecodes’ gebruikt om acties te sturen en fouten te herstellen. Het actiemodel A2-WLA combineert bewegingsgeschiedenis met een model van hoe de wereld verandert.
De paper meldt een slagingspercentage van 45.40% voor 100 openbare BEHAVIOR 2026-taken en een gemiddeld slagingspercentage van 57.92% voor 12 huishoudelijke taken met een echte robot. Bij tests met koffiezetten verbeterde een adapter die rekening houdt met de taakgeschiedenis de kans dat de taak werd voltooid na fouten bij twee stappen rond het hanteren van filters. De auteurs zeggen dat ze het systeem en het trainingsmateriaal willen uitbrengen.
Waarom het ertoe doet
Voor roboticaonderzoekers wijzen de resultaten erop dat het vastleggen van eerdere acties en correcties robots kan helpen om te herstellen van fouten bij huishoudelijke taken. De tests in de paper tonen echter niet aan hoe goed deze aanpak in andere situaties werkt.
