Forskare har presenterat Robo-COP, en metod där robotens vision-language-action-policy och orkestrerare finjusteras tillsammans medan roboten används i verkligheten. Systemet samlar in data om sina egna misstag, uppdaterar policyn och börjar använda den nya versionen först när den visat sig fungera bättre på uppgifterna den tränats för. I tio simulerade RoboLab-uppgifter steg framgångsgraden från 64,8 % till 73,8 %, och i tre uppgifter i verkliga miljöer ökade den från 38,3 % till 50,0 %.
Varför det spelar roll
Det gör att servicerobotar kan bli bättre medan de arbetar och minskar behovet av att programmera om dem manuellt ofta.
