في عالم الذكاء الاصطناعي، يتقدم استخدام الروبوتات على وجه الخصوص بشكل متسارع، ويعتبر نموذج "النماذج الكامنة للأفعال" (Latent Action Models - LAMs) من أبرز الابتكارات. تهدف هذه النماذج إلى تسهيل مشاركة الأفعال المعقدة بين روبوتات مختلفة، مما يقلل من تكاليف جمع البيانات.

ومع ذلك، فإن هذه النماذج تواجه تحديات كبيرة، مثل حساسيتها للضوضاء المرئية في الخلفية. وتُظهر الأبحاث الأخيرة أن الحركة نفسها من روبوتين مختلفين قد يتم ترميزها بشكل مختلف في الفضاء الكامن، مما يجعل من الضروري معالجة هذا الإشكال.

واحدة من الحلول التي تم اقتراحها تتضمن إضافة فقدان مساعد يتنبأ بفعل الروبوت استناداً إلى الفعل الكامن، مما يعزز العلاقة بين الفضاء الكامن وفعل الروبوت الخاص. ومع ذلك، تبرز دراسة جديدة استخداماً مختلفاً لنفس المعلومات، من خلال إشراف مشابهة الأفعال، حيث يتم تدريب نموذج مشابه لضمان توافق أي فعلين كامينين مع تشابه تسلسل الأفعال الحقيقي للروبوتات.

تم تقييم هذا النهج في إعداد مُراقب باستخدام نظام "RoboTwin 2.0"، حيث أظهرت الروبوتات ذات الحركة الثنائية أداءً متكاملاً في مهام مختلفة. وقد أظهرت النتائج المثيرة أن استخدام إشراف مشابهة الأفعال يحسن من نقل الأفعال عبر الأجساد، مما يزيد من معدل النجاح في الأداء بسرعة تفوق الضعف.

وفي الختام، تُبرز هذه الدراسة كيف يمكن للنماذج الذكية تحسين قدرات الروبوتات من خلال التعلم الفعال والمشاركة الذكية للأفعال، مما يُشير إلى مستقبل أكثر إشراقًا للروبوتات المعتمدة على الذكاء الاصطناعي.