Forskarna presenterar LEXP, ett system som hjälper en robot att återanvända lärdomar från tidigare försök med manipulationsuppgifter. Det kombinerar uppgiftsplanering med en modul som tolkar erfarenheter från utförandet, sparar lärdomar tillsammans med villkor för när de gäller och för in relevant vägledning i senare handlingar. Modellvikterna och gränssnittet för handlingar förblir oförändrade.
I forskarnas tester med 12 verkliga uppgifter lyckades LEXP i 23 av 36 försök (63.9%), jämfört med 19 av 36 (52.8%) med enbart minne och 2 av 36 (5.6%) med grundmodellen ChatGPT-6-Astra. Det här är resultat som rapporteras i artikeln, inte en oberoende utvärdering.
Varför det spelar roll
För robotikforskare tyder resultaten på att det kan förbättra en oförändrad modells resultat att spara uppgiftsspecifika lärdomar från upprepade fysiska försök. Det är fortfarande okänt hur väl metoden fungerar på andra uppgifter än de 12 som testades.
