في عالم الذكاء الاصطناعي، يشكل الغموض في الأهداف واحدة من أكبر التحديات التي تواجه الروبوتات في البيئات الملموسة. فعلى الرغم من أن اللغات الطبيعية توفر واجهات مرنة للتواصل مع الروبوتات، إلا أن الغموض يمكن أن ينشأ ليس فقط من نية المستخدم، بل من نقص الأدلة الفيزيائية الهامة التي تلزم لفهم السياق بشكل أعمق.

في هذا السياق، تم تقديم إطار عمل جديد للإدراك النشط (Active Perception) يهدف إلى معالجة هذه المشكلة. على عكس الطرق التقليدية التي تعتمد على الاستفسار من المستخدم للحصول على معلومات إضافية، يُمكن لهذا الإطار للروبوتات أن تُحوِّل مسارها بنشاط للحصول على معلومات حسية من البيئة المحيطة.

يستند هذا النظام على نموذج للرؤية واللغة (Vision-Language Model) يحدد، بناءً على الأدلة البصرية المتراكمة ومعلومات التفاعل، ما إذا كان من الضروري الاستمرار في المراقبة، أو طلب توضيح، أو مباشرة القيام بخيار الهدف.

عبر تجربة باستخدام روبوتات حقيقية، أظهر هذا الإطار قدرة فريدة على دمج معلومات بيئية مع ضرورة التوضيح من جانب المستخدم في عملية واحدة متكاملة لتفكيك الغموض، مما يحسن تجربة التفاعل بين الإنسان والآلة.

تعد هذه التطورات بمثابة خطوة بارزة نحو تعزيز قدرة الروبوتات على فهم وتحليل بيئاتها بشكل أفضل وأكثر دقة، مما يسهل استخدامها في تطبيقات متعددة.