Forskarna bakom RoboACE föreslår ett sätt för robotagenter att bli bättre genom att ändra både utmaningarna de övar på och rutinerna de använder för att utföra uppgifterna. Ramverket utgår från frysta grundmodeller och växlar mellan att uppdatera övningsplanen och att uppdatera körningsramverket.
I forskarnas utvärderingar nådde den frysta driftsättningen en framgångsgrad på 74,0 % på LIBERO-PRO. Det var 15 procentenheter högre än för den ursprungliga driftsättningen och 13,5 procentenheter högre än vid direkt körning med dess visionsspråks- och handlingsstyrning.
Varför det spelar roll
För robotikforskare som undersöker sätt att förbättra robotars förmågor utan att ändra den underliggande modellen rapporterar RoboACE framsteg genom att justera urvalet av övningar och rutinerna för utförandet. Det är fortfarande oklart om resultaten gäller även utanför de testade uppgifterna i LIBERO-familjen.
