Forskarna presenterar A2-MEAS, ett system för robotinlärning som använder skrivna ”korrigeringskoder” för att styra robotens handlingar och hjälpa den att rätta till misstag. Systemets handlingsmodell A2-WLA kombinerar rörelsehistorik med en modell av hur omvärlden förändras.
Enligt artikeln lyckas systemet med 45.40% av 100 offentliga BEHAVIOR 2026-uppgifter och uppnår i genomsnitt 57.92% framgång i 12 hushållsuppgifter med riktiga robotar. I tester av kaffebryggning förbättrade en historikbaserad adapter möjligheten att slutföra uppgiften efter misslyckanden vid två moment där kaffefiltret hanterades. Forskarna säger att de planerar att släppa systemet och utbildningsmaterialet.
Varför det spelar roll
För robotikforskare tyder resultaten på att registrering av tidigare handlingar och korrigeringar kan hjälpa robotar att återhämta sig efter misslyckanden i hushållsuppgifter. Testerna i artikeln visar dock inte hur väl metoden fungerar i andra sammanhang.
