# GazeAct traint robotbeleid met menselijke oogbewegingen

> Een dataset koppelt robotdemonstraties aan gesynchroniseerde menselijke blikgegevens. Volgens de auteurs leidt training met bliksturing tot meer succesvolle taken, terwijl robots tijdens het uitvoeren geen blikgegevens nodig hebben.

Oossa · 2026-10-20 · https://oossa.com/nl/gazeact-uses-human-eye-tracking-to-train-robot-policies

Onderzoekers introduceerden GazeAct, een dataset van echte robots en een trainingsmethode die 12.000 demonstraties van 40 taken koppelt aan menselijke blikgegevens, vastgelegd met 300 Hz. De blikgegevens helpen vision-language-action-beleidsmodellen te trainen om zich op relevante objecten en locaties te richten. Volgens de auteurs hebben robots tijdens het uitvoeren geen blikgegevens nodig.

Bij 18 taken in de echte wereld steeg het gemiddelde succespercentage volgens de auteurs van 48.1% naar 58.6%, met verbeteringen tot 25 procentpunten. Ook melden ze een stijging op de LIBERO-Spatial-benchmark, van 57.9% naar 69.6%.

## De feiten

- 12.000 demonstraties van 40 taken in vijf domeinen, met blikgegevens die zijn gesynchroniseerd op 300 Hz.
- Gemeld gemiddeld succespercentage bij 18 taken in de echte wereld: 48.1% naar 58.6%.

## Waarom het ertoe doet

Voor robotonderzoekers biedt GazeAct een manier om oogbewegingen van operators als trainingssignaal te gebruiken, zonder dat tijdens het gebruik sensoren voor blikregistratie nodig zijn. Het is nog onduidelijk of de verbeteringen ook buiten de gerapporteerde tests standhouden.

## Bronnen en referenties

1. [GazeAct: A Human-Gaze-Annotated Manipulation Dataset for Attention-Regularized Policies](https://arxiv.org/abs/2610.24507) – arXiv cs.RO, 2026-10-20

Laatst bijgewerkt: 2026-10-20