Recova: Agent-Guided Failure Recovery for Autonomous Robotic Manipulation
Aggiunta all'archivio di AIChronos il (numero del 1 ottobre 2026 ricostruito)· fonte del · Isabella Liu, An-Chieh Cheng, Johan Bjorck, Zhiding Yu, Hongxu Yin, Jan Kautz
Recova è un framework guidato da agenti che affronta i fallimenti nella manipolazione robotica autonomo combinando l'esecuzione del compito e la capacità di recupero in un gemello digitale ricostruito. Il sistema diagnostica gli errori, testa programmi correttivi nel twin virtuale e verifica le soluzioni sul mondo reale prima dell'implementazione definitiva. Quando non esistono recuperi appresi o programmatici adeguati, una dimostrazione umana risolve il fallimento e alimenta ulteriormente l'apprendimento tramite DAgger training.
- Il framework opera congiuntamente su un gemello digitale per sviluppare politiche di esecuzione e recupero prima della verifica nel mondo reale.
- L'uso del DAgger training con roll-out fisici e dimostrazioni umane permette di ridurre drasticamente l'intervento umano necessario (da 87.5% a 0%).
- Recova supera i baseline più forti raggiungendo un successo medio dell'87.5% su task complessi in ambienti LIBERO-Pro e MolmoSpaces.
- La metodologia trasforma i fallimenti non recuperabili in capacità riutilizzabili, migliorando la robustezza del sistema autonomo.
Perché conta. Per gli sviluppatori di agenti AI locali è rilevante perché dimostra come integrare cicli di feedback da gemelli digitali e dimostrazioni umane per rendere i sistemi più resilienti ai fallimenti senza dipendere costantemente dall'intervento umano.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.