Onderzoekers introduceerden CureWM, een techniek die bestaande wereldmodellen voor robots aanvult met gesimuleerde voorbeelden van mislukking. De methode leidt alternatieve acties af uit succesvolle demonstraties, controleert de uitkomsten in een simulatie of met een echte robotarm en finetunet het model vervolgens op de bevestigde mislukkingen. Bij 484 achtergehouden LIBERO-opdrachten daalde het optimisme bij vier gefinetunede modellen van 80% naar 30–43%. Tests met fysieke robots lieten zien dat de score voor onterechte successen daalde van 90% naar 33%.
Waarom het ertoe doet
Minder voorspellingen van onterechte successen helpen robotplanners onveilige acties te vermijden wanneer ze in de echte wereld worden ingezet.
