كيف يمكن لذاكرة التكيف أن تعيد تشكيل أداء الوكلاء الجسديين؟ استراتيجيات مبتكرة لتعزيز فعالية التنفيذ

في عالم الذكاء الاصطناعي، يُعتبر إعادة استخدام التجارب السابقة إحدى الاستراتيجيات المفيدة لتقليل الحاجة إلى الاستكشاف المتكرر من قبل الوكلاء الجسديين (Embodied Agents). لكن أحياناً، قد تكون بعض التجارب الناجحة غير مناسبة للسياق الحالي للتنفيذ. في هذا السياق، تظهر تقنية جديدة تسمى 'ذاكرة التكيف للتنفيذ المشروط بالمهام' (Memory Adaptation for Task-Conditioned Execution - MATE).

تشتمل MATE على إجراء محدد بعد استرجاع الذاكرة، يعمل على تحويل المسارات (Trajectories) إلى ذاكرة مركزة على التنفيذ. حيث تقوم MATE بإزالة السياقات غير التقنية القديمة، واستخراج انتقالات الشرط-الإجراء-الأثر، وتنفيذ تطبيع معتمد للإجراءات، واختيار تمثيل يعتمد على المهمة. ومن ثم، تقوم بتسلسل النتائج ضمن ميزانية ثابتة دون الحاجة إلى استنتاج إضافي من نماذج اللغات الضخمة (Large Language Models).

لقد أثبتت الاختبارات التي أجريت على 134 مهمة ضمن بيئة ALFWorld أن MATE حققت معدلات نجاح تصل إلى 81.3% و93.3% باستخدام نموذجين متقدمين، Qwen2.5-14B و72B، مما يمثل توفيراً ملحوظاً في استخدام الرموز (Tokens) حيث تم استخدام ما يقارب عشر كمية الرموز المطلوبة بواسطة المسارات الخام.

تعتبر هذه الدراسة خطوة هامة في ابتكار طرق جديدة لاستعادة فعالية التجارب المسترجعة، مما يدعم فكرة ذهنية التكيف كمرحلة مميزة بين الاسترجاع والتنفيذ الجسدي.