# 机器人学习系统借助过往尝试提高任务成功率

> 研究人员推出 LEXP，将执行过程中的证据转化为可复用的指导。在12项真实世界任务中，该系统的试验成功率为63.9%；未使用该系统时为5.6%。

Oossa · 2026-11-02 · https://oossa.com/zh/robot-learning-system-improves-task-success-using-past-attempts

事件日期: 2026-10-30

研究人员推出 LEXP，帮助机器人在操作任务中借鉴以往尝试的经验。该系统将任务规划与执行证据解读模块结合起来：它会总结经验，并记录这些经验适用的条件，再将相关指导用于后续操作；模型权重和动作接口则保持不变。

在研究人员针对12项真实世界任务进行的测试中，LEXP在36次试验中成功23次（63.9%）；仅使用记忆时，36次中成功19次（52.8%）；使用基础版 ChatGPT-6-Astra 模型时，36次中仅成功2次（5.6%）。这些是论文报告的结果，并非独立评估。

## 事实

- LEXP：36次试验中成功23次；仅使用记忆：36次中成功19次；原版 Astra：36次中成功2次。
- 该论文于2026年10月30日提交至 arXiv。

## 为什么重要

对机器人研究人员而言，这些结果表明，保留针对特定任务的经验，可能有助于固定模型在多次实体操作中提升表现；不过，该方法能否推广到这12项任务以外的场景，目前尚不清楚。

## 来源与参考

1. [Learning from Physical Experience:Context-Space Adaptation for Robotic Manipulation](https://arxiv.org/abs/2610.41320) – arXiv cs.RO, 2026-11-02

最后更新: 2026-11-02