# A2-MEAS behaalt resultaten bij simulaties en huishoudelijke taken

> De arXiv-paper introduceert een leersysteem voor meerdere robots en meldt sterke benchmarkresultaten, waaronder een beter herstel na fouten bij het zetten van koffie.

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

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.

## De feiten

- Volgens de paper behaalde A2-MEAS een score van 0.6411 op de openbare set van 100 BEHAVIOR 2026-taken.
- Bij twee stappen rond het hanteren van koffiefilters steeg het percentage waarbij de taak na een fout alsnog werd voltooid van 14% naar 94% en van 8% naar 82%, vergeleken met nieuwe pogingen met A2-WLA. 

## 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.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-11-09