# Robots leren van eerdere pogingen en slagen vaker

> Onderzoekers presenteren LEXP, dat lessen uit eerdere uitvoeringen omzet in bruikbare aanwijzingen. Bij 12 taken in de echte wereld slaagde het systeem in 63,9% van de pogingen, tegenover 5,6% zonder LEXP.

Oossa · 2026-11-02 · https://oossa.com/nl/robot-learning-system-improves-task-success-using-past-attempts

Datum van gebeurtenis: 2026-10-30

Onderzoekers presenteren LEXP, een systeem waarmee een robot lessen uit eerdere pogingen met manipulatietaken opnieuw kan gebruiken. Het combineert taakplanning met een module die bewijs uit de uitvoering interpreteert, lessen opslaat met voorwaarden voor wanneer ze van toepassing zijn en relevante aanwijzingen meegeeft voor latere acties. De modelgewichten en de actie-interface blijven ongewijzigd.

In tests met 12 taken in de echte wereld slaagde LEXP in 23 van de 36 pogingen (63,9%). Met alleen geheugen waren dat er 19 van de 36 (52,8%), en met het basismodel ChatGPT-6-Astra 2 van de 36 (5,6%). Dit zijn de resultaten die in het artikel worden vermeld, geen onafhankelijke evaluatie.

## De feiten

- LEXP: 23/36 geslaagde pogingen; alleen geheugen: 19/36; standaardversie van Astra: 2/36.
- Het artikel is op October 30, 2026 ingediend bij arXiv.

## Waarom het ertoe doet

Voor robotica-onderzoekers wijzen de resultaten erop dat het bewaren van taakspecifieke lessen de prestaties van een vast model bij herhaalde fysieke pogingen kan verbeteren. Hoe goed de aanpak ook werkt bij andere taken dan deze 12, is nog onbekend.

## Bronnen en referenties

1. [Learning from Physical Experience:Context-Space Adaptation for Robotic Manipulation](https://arxiv.org/abs/2610.41320) – arXiv cs.RO, 2026-11-02

Laatst bijgewerkt: 2026-11-02