# Video met twee camera’s verbetert robotleren

> Onderzoekers laten zien dat een model met meerdere camerastandpunten het slagingspercentage van robots met maximaal 20% verhoogt ten opzichte van modellen met één camerastandpunt.

Oossa · 2026-10-21 · https://oossa.com/nl/dual-camera-video-model-boosts-robot-learning-across-embodiments

Oliver Hausdörfer en zijn team hebben een nieuw latent-actiemodel uitgebracht dat gesynchroniseerde beelden van twee camera’s gebruikt. Het model leidt acties met 6 vrijheidsgraden nauwkeuriger af en verhoogt de decodeernauwkeurigheid met 17% ten opzichte van versies met één camerastandpunt. Wanneer het model wordt geïntegreerd in een robotbeleid, stijgt het slagingspercentage bij benchmarktaken met 13.5%, tegenover 6.2% voor de basisversie met één camerastandpunt. In praktijktests waarin een robot demonstraties van menselijke handelingen nadeed, leverde het model met twee camerastandpunten 20% meer succesvolle uitvoeringen op, verdeeld over 850 pogingen.

## De feiten

- Gepubliceerd op 2026-10-21
- LAM met twee camerastandpunten verhoogt de decodeernauwkeurigheid met 17% en het slagingspercentage van het robotbeleid met maximaal 20%

## Waarom het ertoe doet

Dankzij deze verbetering kunnen robots nieuwe vaardigheden leren van gewone video’s met minder demonstraties. Dat is nuttig voor labs die weinig teleoperatiegegevens hebben.

## Bronnen en referenties

1. [Multi-View Latent Action Pretraining for Cross-Embodiment Robot Learning from Videos](https://arxiv.org/abs/2610.27794) – arXiv cs.RO, 2026-10-21

Laatst bijgewerkt: 2026-10-21