في عالم الذكاء الاصطناعي، يشهد التخطيط للقبضات الذكية (Dexterous Grasping) طفرة جديدة بفضل ابتكار CoToGrasp. بينما تركز نماذج التخطيط التقليدية على الاستقرار الفيزيائي فقط، فإن CoToGrasp يذهب أبعد من ذلك، حيث يتيح توليد قبضات متكاملة تتماشى مع مهام وظيفية معينة.

تستخدم هذه التقنية إطاراً مبتكراً يتم فيه تدريب النظام بطريقة خالية من الاعتماد على الأجسام، مما يسهل الوصول إلى بيانات التدريب. من خلال تقديم مساحة عمل معيارية (Canonical Workspace) تعتمد على ميزات الأشياء المحلية، يفصل CoToGrasp النية الوظيفية عن الهندسة العشوائية للأجسام.

تعمل التقنية على تعلم مجموعة الاتصال الداخلية الخاصة بالقبضة، مما يسمح لها بالتعميم على أجسام لم ترها من قبل أثناء مرحلة الاستدلال. وقد أظهرت التقييمات المكثفة على مجموعة بيانات ضخمة تُسمى DexGraspNet تفوق CoToGrasp بوضوح على الأنظمة التقليدية المستندة إلى التصنيف.

كما تم إثبات جدوى القبضات المتولدة عملياً على منصة روبوتية فعلية، مما يفتح الأبواب أمام تطبيقات متعددة في مجالات روبوتات الخدمة والمساعدة.

لمعرفة المزيد حول CoToGrasp، يمكنك زيارة موقع المشروع الرسمي للحصول على الكود والمعلومات الإضافية.