# Humanoïde robotsysteem haalt 85,7% op zeven praktijktaken

> Onderzoekers beschrijven een systeem dat reeksen robotcommando’s vooraf beoordeelt. Bij onbekende opstellingen met objecten daalde het gerapporteerde succespercentage naar 65,7%.

Oossa · 2026-11-04 · https://oossa.com/nl/humanoid-robot-system-scores-85-7-on-seven-real-robot-tasks

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.

## De feiten

- De paper rapporteert een gemiddeld succespercentage van 89,7% voor tien taken in de SIMPLE-simulatiebenchmark, tegenover 82,0% voor DiT4DiT.
- De paper is op 3 november 2026 ingediend bij arXiv.

## 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.

## Bronnen en referenties

1. [Coordinating Humanoid Loco-Manipulation through Action-Conditioned Latent Foresight](https://arxiv.org/abs/2611.04839) – arXiv cs.RO, 2026-11-04

Laatst bijgewerkt: 2026-11-04