في عالم الذكاء الاصطناعي، تعد نماذج العمل العالمية (World Action Models - WAMs) من الأدوات الأساسية التي تجمع بين التوقعات الديناميكية البصرية وتوليد الأفعال. ومع ذلك، فإن هذه النماذج لم تكن تدعم بشكل صريح إعادة استخدام تجارب العمل عبر المهام المختلفة. بالإضافة إلى ذلك، تواجه WAMs تحديات في التقاط العلاقات الدلالية بين المهام، مما يعيق توقع الأفعال المستهدفة بسبب تشويش العناصر الخلفية المكررة.

لذلك، قمنا بتطوير قاموس تجارب العمل (Action Experience Dictionary - AED) الجديد الذي يرمز المسارات التاريخية للأفعال الفيزيائية إلى تجارب عمل مشتركة، بهدف دعم إعادة استخدام المهارات ونمذجة العلاقات بين المهام المختلفة. تعتمد الطريقة على تجميع الأفعال التاريخية لتتوافق مع الملاحظات البصرية واسترجاع تجارب العمل من AED باستخدام جهاز تثبيت مُدرب مسبقاً.

بعد ذلك، نقوم بشروط بصرية للمجموعات المسترجعة من خلال انتباه متقاطع وإضافتها إلى رموز الأفعال المتداخلة، مما يوفر سياق التفاعل ونية الفعل لتوقع الأداء. ولتقليل الاعتماد على المؤشرات الخلفية غير ذات الصلة، نقدم خسارة انتقال واعية بالحركة، والتي تشرف على توقع التغيرات في الميزات البصرية عبر فترات زمنية عشوائية.

أثبتت التجارب على معايير المحاكاة وفي إعدادات العمل العالمي الفعلي فاعلية AED. لمزيد من التفاصيل، يمكن زيارة موقع المشروع الرسمي هنا.

كيف ترى هذه الابتكارات في مجال الذكاء الاصطناعي؟ شاركنا برأيك في التعليقات.