LabEvolver: Framework senza addestramento migliora gli agenti da laboratorio umido con memoria episodica

Un nuovo framework chiamato LabEvolver è stato sviluppato dai ricercatori per fornire agli agenti da laboratorio umido una memoria episodica basata sulle loro esperienze di esecuzione, il tutto senza bisogno di addestramento. Questo sistema presenta un ciclo di prova interno ancorato allo stato, che consente una percezione adattiva, una pianificazione online e una validazione della sicurezza, affiancato da un ciclo di evoluzione esterno che trasforma le traiettorie completate in abilità, strategie e intuizioni di sicurezza riutilizzabili. Nei compiti robotici di preparazione di soluzioni, LabEvolver ha dimostrato la sua efficacia riducendo il tempo di completamento della regolazione del pH del 48,2% e diminuendo le intercettazioni dei gate di sicurezza del 60,0%. Inoltre, ha migliorato il tasso di successo cumulativo sul benchmark ALFWorld dal 76,2% con ReAct al 91,4% su 500 compiti continui, dimostrando la sua applicabilità oltre gli ambienti di laboratorio umido. Ulteriori informazioni sono disponibili su https://andygao6186.github.io/LabEvolve.