في مجال الذكاء الاصطناعي، تعد الروبوتات أداة غنية بالتطبيقات المتنوعة التي تحتاج إلى تطوير مستمر لضمان أدائها الفعال. في إطار سعيها لتحسين الكفاءة البشرية خلال مرحلة التدريب اللاحقة للروبوتات، قدمت دراسة جديدة نظامًا مبتكرًا يتمحور حول تقنية (Vision Language Action) المعروف اختصارًا بـ VLA.
تهدف هذه التقنية إلى معالجة التحديات التي تواجهها الروبوتات عند العمل في مهام متطورة، حيث يتطلب الأمر عدة جولات من التدريب اللاحق لضمان معالجة جميع القضايا.
يقدم النظام المقترح خط أنابيب للتدريب اللاحق يتيح مجموعة صغيرة من المشغلين البشريين الإشراف على العديد من الروبوتات في نفس الوقت. يعتمد هذا النظام على تقسيم العمل المتخصص حيث يقوم مشغل مدرب بالتدخلات عن بعد في الحالات ذات القيمة العالية، بينما يتولى مشغل آخر متابعة الروبوتات المتعددة.
هذه التخصصية تخفض التكاليف المتعلقة بتدريب المشغلين وتسمح لهم بإدارة تفاعلات أكبر بين الروبوتات على نحوٍ فعال.
تم إدخال أداة جديدة تسمى (VLAC-Cut)، والتي تعمل على تنسيق مسارات الروبوتات الذاتية إلى أجزاء مفيدة وأخرى غير مفيدة، مما يسهم في تحسين كفاءة استخدام البيانات.
تم اختبار هذا الخط الجديد على أربع مهام حقيقية، وقد أظهرت النتائج ما نسبته 80%-95% من معدلات النجاح. بالإضافة إلى ذلك، حققت التحسينات في إنتاجية المهام معدلات سرعة أكبر تتراوح بين 1.7 إلى 4.2 مرة مقارنةً بالنموذج الأساسي.
ما الذي ينتظرك من اكتشافات جديدة في هذا المجال؟ تابعنا للمزيد من التحديثات.