Исследователи представили LEXP — систему, которая помогает роботу использовать опыт предыдущих попыток выполнить задачи по манипулированию предметами. Она объединяет планирование задач с модулем, который анализирует данные о выполнении, сохраняет извлечённые уроки и условия их применимости, а затем передаёт подходящие рекомендации для следующих действий. Веса модели и интерфейс управления действиями остаются неизменными.
В испытаниях исследователей на 12 реальных задачах LEXP справилась в 23 из 36 попыток (63,9%). Для сравнения: система только с памятью справилась в 19 из 36 попыток (52,8%), а базовая модель ChatGPT-6-Astra — в 2 из 36 (5,6%). Это результаты, приведённые в статье, а не независимая оценка.
Почему это важно
Для исследователей робототехники эти результаты показывают, что сохранение уроков, связанных с конкретными задачами, может улучшить работу неизменной модели при повторных попытках в физическом мире. Пока неизвестно, насколько хорошо этот подход применим за пределами этих 12 задач.
