# A2-MEAS показывает результаты в симуляции и бытовых задачах

> В статье на arXiv представлена система обучения роботов с несколькими агентами. Она показала высокие результаты в тестах, в том числе лучше справлялась с продолжением приготовления кофе после сбоев.

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

Исследователи представили A2-MEAS — систему обучения роботов, которая использует текстовые «коды коррекции», чтобы направлять действия и исправлять ошибки. Модель действий A2-WLA объединяет историю движений с моделью изменений окружающего мира.

Согласно статье, система успешно выполнила 45,40% из 100 открытых задач BEHAVIOR 2026 и в среднем справилась с 57,92% из 12 бытовых задач на реальных роботах. В испытаниях по приготовлению кофе адаптер, учитывающий историю действий, повысил вероятность завершить задачу после сбоя на двух этапах обращения с фильтром. Авторы планируют опубликовать систему и учебные материалы.

## Факты

- Согласно статье, A2-MEAS набрала 0,6411 на открытом наборе из 100 задач BEHAVIOR 2026.
- На двух этапах обращения с кофейным фильтром доля завершённых после сбоя задач выросла с 14% до 94% и с 8% до 82% по сравнению с повторными попытками A2-WLA. 

## Почему это важно

Для исследователей в области робототехники эти результаты показывают, что запись прошлых действий и исправлений может помочь роботам справляться со сбоями при выполнении бытовых задач. Однако испытания, описанные в статье, не позволяют судить о том, насколько хорошо этот подход будет работать в других условиях.

## Источники и ссылки

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

Обновлено: 2026-11-09