في زمن تتسارع فيه الابتكارات في مجال الروبوتات، يعاني تطوير الروبوتات الذكية من مشكلات تتعلق بتقييم الأداء. فبينما تتحسن سياسات التلاعب بالروبوتات بشكل سريع، لا تزال عملية تقييمها تتطلب تدخل الإنسان لإعادة ضبط المشهد بين التجارب، مما يؤدي إلى هدر وقت المشغل وعدم دقة النتائج.

يأتي الابتكار الجديد HALTER (حامل التقييم والتجديد الذاتي للمهام الطويلة الأفق) ليصبح حلاً رائدًا في هذا المجال. يتيح هذا النظام للروبوتات إعادة ضبط المشهد باستخدام مكتبة من المهارات الذرية المتعلمة، مما يجعل تكلفة العرض تتناسب مع حجم المكتبة بدلًا من عدد حالات النهاية، وبالتالي يدعم كفاءة الأجهزة الروبوتية في المشاهد المعقدة.

يعتمد HALTER على نموذج رسومي ثلاثي الأبعاد يسجل المواضيع في الوقت الحقيقي باستخدام سحب النقاط ونماذج الرؤية الأساسية. وباستخدام نموذج اللغة الكبير (LLM)، يقوم HALTER بإجراء التفكيك، وتخطيط التجديد، والتحقق من نجاح العملية، وكل ذلك دون الحاجة إلى جمع صور نجاح مصنفة لأي مهمة.

عند تجربته على أربع مهام طويلة الأمد باستخدام ذراع فرانكا، استطاع HALTER استعادة المشهد في 76% من الحلقات، مقارنة بـ52% لنظام AutoEval و65% لإعادة التخطيط الديناميكي. كما قدم HALTER دقة 90% في تقدير نسبة المهارات المكتملة، مقارنة بـ76% لنظام AutoEval.

ختامًا، يعمل هذا الابتكار على تقليل الوقت المستهلك في حكم الأحكام بمعدل 72% مقارنة بإعادة الضبط اليدوي.

إذا كنت تهتم بالمستقبل المشرق للروبوتات الذكية والتقييم القائم على الذكاء الاصطناعي، لا تفوت فرصة التعليق ومشاركة أفكارك حول هذا التطور الهام!