Onderzoekers hebben action-conditioned latent foresight geïntroduceerd, een systeem waarmee een humanoïde robot voorgestelde reeksen bewegings- en handcommando’s kan beoordelen voordat hij ze uitvoert. Het voorspelt of een reeks bijdraagt aan het bereiken van een taakdoel en voert vervolgens een deel van de best beoordeelde reeks uit. Daarna maakt het op basis van een nieuwe waarneming een nieuw plan.
In tests van de onderzoekers slaagde het systeem onder standaardomstandigheden in 85,7% van zeven taken met een echte robot, tegenover 70,0% voor GR00T N1.7. Bij niet eerder geziene objectopstellingen daalde het succespercentage naar 65,7%, tegenover 48,6% voor GR00T N1.7.
Waarom het ertoe doet
Voor robotica-onderzoekers die de prestaties van humanoïde robots bij taken testen, wijzen de resultaten erop dat het vooraf beoordelen van commandoreeksen kan helpen. Het lagere resultaat bij onbekende opstellingen laat echter zien dat de prestaties gevoelig blijven voor de plaatsing van objecten.
