Pesquisadores apresentam o LEXP, um sistema que ajuda robôs a reaproveitar o que aprenderam em tentativas anteriores de manipulação de objetos. Ele combina o planejamento de tarefas com um módulo que interpreta evidências da execução, registra aprendizados e as condições em que se aplicam, e fornece orientações relevantes para ações posteriores. Os pesos do modelo e a interface de ação permanecem inalterados.
Nos testes dos pesquisadores, realizados em 12 tarefas no mundo real, o LEXP teve sucesso em 23 de 36 tentativas (63,9%), ante 19 de 36 (52,8%) com apenas memória e 2 de 36 (5,6%) com o modelo básico ChatGPT-6-Astra. Esses são os resultados relatados no artigo, não de uma avaliação independente.
Por que importa
Para pesquisadores de robótica, os resultados sugerem que guardar aprendizados específicos de cada tarefa pode melhorar o desempenho de um modelo fixo em tentativas físicas repetidas. Ainda não se sabe até que ponto a abordagem funciona além dessas 12 tarefas.
