# Sistema ajuda robôs a aprender com tentativas anteriores

> Pesquisadores apresentam o LEXP, que transforma evidências da execução em orientações reutilizáveis. Em 12 tarefas no mundo real, o sistema teve sucesso em 63,9% das tentativas, contra 5,6% sem ele.

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

Data do evento: 2026-10-30

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.

## Os fatos

- LEXP: 23/36 tentativas bem-sucedidas; apenas memória: 19/36; Astra sem ajustes: 2/36.
- O artigo foi enviado ao arXiv em 30 de outubro de 2026.

## 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.

## Fontes e referências

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

Última atualização: 2026-11-02