Os pesquisadores que apresentam o RoboACE propõem uma maneira de agentes robóticos melhorarem ao revisar tanto os desafios usados na prática quanto as rotinas adotadas para executá-los. A estrutura contorna modelos fundamentais congelados, alternando entre atualizações do currículo de prática e do sistema de execução.
Nas avaliações dos pesquisadores, a implementação congelada resultante alcançou 74,0% de sucesso no LIBERO-PRO. O resultado ficou 15 pontos percentuais acima do da implementação inicial e 13,5 pontos acima da execução direta pelo controlador de visão-linguagem-ação.
Por que importa
Para pesquisadores de robótica que avaliam maneiras de aprimorar as habilidades dos robôs sem alterar o modelo subjacente, o RoboACE relata ganhos obtidos com a revisão da seleção de práticas e das rotinas de execução. Ainda não se sabe se esses ganhos se aplicam a tarefas além das testadas na família LIBERO.
