تعتبر نماذج العمل العالمية (WAMs) من الأساليب الواعدة في عالم الروبوتات، حيث تتيح للروبوتات القدرة على التنبؤ بالمشاهد المستقبلية والأفعال المحتملة. ومع ذلك، فإن التحدي القائم هو أن هذه النماذج عادةً ما تنفذ عددًا ثابتًا من الأفعال المتوقعة بعد كل استدلال، مما يجعل الروبوت غير قادر على معرفة ما إذا كان المستقبل المتخيل يتوافق مع التقدم الفعلي.
في هذا السياق، يتناول البحث الجديد كيفية صياغة تنفيذ نماذج العمل العالمية كمسألة تحقق من المستقبل والواقع، حيث يجب على الروبوت أن يستمر في التنفيذ عندما يظل المستقبل المتوقع موثوقًا، وأن يعيد التخطيط في وقت مبكر عندما ينحرف الواقع عن الخيال.
لتعزيز هذه الفكرة، تم تقديم تقنية جديدة تُدعى Future Forward Dynamics Causal Attention (FFDC)، وهي أداة تحقق خفيفة الوزن تقوم بتحليل متناسق للأفعال المتوقعة والميكانيكا البصرية الحقيقية والتعليمات اللغوية، لتقدير ما إذا كان يمكن الوثوق بالخطوات التالية.
تسمح FFDC بأحجام متغيرة من الإجراءات بناءً على توافق التوقعات مع الملاحظات، مما يضمن كفاءة التنفيذ الطويل الأمد مع الحفاظ على استجابة الروبوت في الظروف المتغيرة أو الصعبة.
علاوة على ذلك، تم تقديم تدريب يعتمد على مجموعة من الآفاق لتحسين تغطية المسارات الطويلة لأغراض التنفيذ التكيفي. تشير النتائج التي تم الحصول عليها من التجارب على منصة RoboTwin والعالم الحقيقي إلى أن الطريقة الجديدة تحقق توازنًا قويًا بين المتانة والكفاءة: إذ نجحت في تقليل عدد تمريرات النموذج بنسبة 69.10% ووقت التنفيذ بنسبة 34.02%، مع تحسين معدل النجاح بنسبة 2.54% مقارنةً بأسلوب الكتل القصيرة.
في التجارب الواقعية، تحققت زيادة ملحوظة في معدل النجاح بنسبة 35%، مما يبرز فعالية هذه التقنية في تعزيز أداء الروبوتات في المهام المعقدة.