في عالم الذكاء الاصطناعي المتسارع، لا يزال تخطيط المهام الروبوتية يتطلب الابتكار والتطوير. هنا يأتي دور CLMASP، وهو نهج مبتكر يجمع بين قدرات نماذج اللغات الضخمة (LLMs) وبرمجة مجموعات الإجابات (ASP) ليتجاوز القيود التقليدية.

تعتبر نماذج اللغات الضخمة (LLMs) مثالية لمهام التخطيط العامة في سيناريوهات العالم المفتوح بفضل معرفتها الأساسية الواسعة وقدراتها المعقولة في التفكير. ومع ذلك، كان من الصعب تحويل المخططات التي تنتجها هذه النماذج إلى خطط قابلة للتنفيذ على الروبوتات التي تتعامل مع قيود معينة.

يبدأ CLMASP بإنشاء خطة أولية باستخدام LLM، ثم يتم تعديل هذه الخطة لتناسب السيناريو المحدد باستخدام قاعدة بيانات متجهة. بعد ذلك، يتم تحسين الخطة عبر برنامج ASP بمعلومات عن معرفة الفعل للروبوت، مما يدمج التفاصيل التنفيذية في الهيكل الأساسي، وبالتالي تأصيل مخرجات LLM المجردة في سياقات عملية.

لقد أجريت تجارب على منصة VirtualHome، حيث أظهرت النتائج أن CLMASP يتفوق بشكل كبير على المعدلات التنفيذية المتدنية السابقة التي كانت تحت 2%، ليصل بها إلى أكثر من 90%. هذا التحسن يشير إلى إمكانية كبيرة في استخدام الذكاء الاصطناعي لتحسين لوجستيات الروبوتات وكفاءتها.

كيف ترى الابتكارات في مجال الذكاء الاصطناعي تؤثر على مستقبل الروبوتات؟ شاركونا آرائكم في التعليقات.