في عالم الذكاء الاصطناعي، يواجه الباحثون تحديات كبيرة في كيفية جعل الروبوتات أكثر مرونة وكفاءة في استخدام الأدوات. بينما يمكن للبشر ببساطة إعادة استعمال أداة مثل الكتاب أو الحجر لأداء مهام جديدة، تظل الروبوتات اليوم محدودة في قدرتها على نقل المهارات بين أدوات مختلفة. في هذا السياق، تتمثل التحديات في ما يُعرف بـ "التعميم الوظيفي" (functional generalization).

تشارك الأدوات ذات الوظائف المتعددة نية وظيفية عامة تكون واضحة بصريًا، ولكن هذه الشبهات لا تُترجم بسهولة إلى مجال العضلات الحركية، حيث يتطلب كل أداة نمط حركي مختلف تمامًا. للتغلب على هذه الفجوة، يُسلط الضوء في الدراسة الجديدة على استكشاف تمثيلات وسيطة تشمل الصور القابلة للاستخدام، ومقاطع الفيديو البشرية، ومسارات نقاط المفتاح ثنائية الأبعاد.

أظهرت النتائج أن مسارات نقاط المفتاح تمثل التوازن المثالي بين التعبير الوظيفي وقابلية تنفيذ الحركة. وعلى هذا الأساس، تم اقتراح مفهوم جديد يُعرف بـ "FORGE" الذي يعني "التفكير الوظيفي والتنفيذ المتجذر" (Functional Reasoning and Grounded Execution)، وهو سياسة ثنائية المراحل تفصل بين التفكير الوظيفي وتنفيذ الحركة، عبر توقع مسارات نقاط المفتاح القابلة للتعميم استنادًا إلى بيانات خالية من النشاط، ثم تحويلها إلى أفعال روبوتية باستخدام ردود محدودة.

وفي اختبارات الأداء مع سبعة أدوات مختلفة، أظهر نظام FORGE تفوقًا مستمرًا على الطرق الحديثة، حيث حقق تحسينًا تفوق نسبته 2X في معدل النجاح المتوسط عند التعامل مع أدوات غير مألوفة، سواء في المحاكاة أو في العالم الحقيقي. وعلى الرغم من التحديات، يبدو أن FORGE يمثل خطوة جديدة نحو رفع مستويات الذكاء الاصطناعي في كيفية استجابته للعالم المادي.