في عصر تتزايد فيه الحاجة إلى تقنيات متقدمة للتنقل، يبرز البحث الجديد حول التنقل عبر الأنماط المتعددة باستخدام التعلم المعزز متعدد الوكلاء (Multi-Agent Reinforcement Learning) كأحد الحلول المثيرة. يعتمد التنقل الفعال على حواس متكاملة، إلا أن البيانات متعددة الأنماط ذات الجودة العالية يصعب الحصول عليها.

الإطار الجديد المعروف باسم CRONA يتيح التعاون بين وكيلين متخصصين في الأنماط المختلفة، مما يوفر طريقة مرنة وقابلة للتوسع. يساهم هذا التعاون في تعزيز فاعلية الأداء، حيث يمكن للوكلاء المعتمدين على أنماط مختلفة أن يعملوا جنبًا إلى جنب، مما يؤدي إلى تحسين الكفاءة بشكل ملحوظ.

وقد أجريت تجارب على مهام التنقل البصري الصوتي أثبتت أن الأساليب متعددة الوكلاء تتفوق بشكل كبير على الأساليب التي تعتمد على وكيل واحد.

تشير النتائج إلى أن التعاون المتجانس مع أنماط محدودة كافٍ للتنقل في المدى القريب تحت المؤثرات البارزة، بينما يمكن أن يكون التعاون غير المتجانس بين الوكلاء مع أنماط مكملة فعالًا أيضًا. بالنسبة للبيئات الكبيرة والمعقدة، هناك حاجة إلى تحقيق قدر أكبر من الإدراك عبر الأنماط المتعددة وزيادة سعة النموذج كي يتسنى له التعامل بكفاءة مع التحديات المطروحة.