# A2-MEAS apresenta resultados em simulações e tarefas domésticas

> O artigo no arXiv apresenta um sistema multiagente de aprendizado robótico e relata bons resultados em testes de referência, incluindo uma recuperação melhor após falhas no preparo de café.

Oossa · 2026-11-09 · https://oossa.com/pt/a2-meas-reports-results-across-robot-simulation-and-household-tasks

Pesquisadores apresentam o A2-MEAS, um sistema de aprendizado robótico que usa “códigos de correção” escritos para orientar ações e corrigir erros. Seu modelo de ação A2-WLA combina o histórico de movimentos com um modelo de como o mundo se transforma.

O artigo relata uma taxa de sucesso de 45.40% em 100 tarefas públicas do BEHAVIOR 2026 e uma média de 57.92% em 12 tarefas domésticas realizadas com robôs reais. Nos testes de preparo de café, um adaptador condicionado pelo histórico melhorou a conclusão das tarefas após falhas em duas etapas de manuseio do filtro; os autores dizem que planejam disponibilizar o sistema e os materiais de treinamento.

## Os fatos

- Segundo o artigo, o A2-MEAS obteve 0.6411 no conjunto público de 100 tarefas do BEHAVIOR 2026.
- Em duas etapas de manuseio do filtro de café, a taxa de conclusão após uma falha subiu de 14% para 94% e de 8% para 82%, em comparação com novas tentativas do A2-WLA.

## Por que importa

Para pesquisadores de robótica, os resultados sugerem que registrar ações e correções anteriores pode ajudar robôs a se recuperar de falhas em tarefas domésticas, embora os testes relatados no artigo não permitam concluir como a abordagem funcionará em outros contextos.

## Fontes e referências

1. [Toward the Era of Agentic Embodied Intelligence](https://arxiv.org/abs/2611.09124) – arXiv cs.RO, 2026-11-09

Última atualização: 2026-11-09