في إنجاز مثير في عالم الذكاء الاصطناعي، تم الكشف عن نموذج MorphIK الذي يعيد تعريف طريقة معالجة مشكلة الحركيات العكسية (Inverse Kinematics) للروبوتات. رغم أن النماذج العصبية غالبًا ما تكون محدودة بروبوت واحد، فإن MorphIK يستخدم معمارية تحويل (Transformer) لتشفير شكل الروبوت ومستوى الهدف، مما يجعله قادرًا على التعامل مع سلسلة حركية لم يسبق له رؤيتها.

يعمل نموذج MorphIK على تدريب بيانات صناعية من روبوتات تم إنشاؤها بشكل إجرائي، واستطاع تحقيق دقة حوالي 5 سم عندما يتعلق الأمر بروبوتات حقيقية غير معروفة، مع وجود 6 إلى 9 درجات من الحرية. للأغراض التي تتطلب دقة أعلى، يصبح هذا النموذج بمثابة مرجع ممتاز لعمليات التحسين الإضافي، حيث يساهم في تقليل الخطأ إلى أقل من 1 سم بعد خطوة واحدة من تحسين المربعات المخففة.

ما يميز MorphIK هو قدرته على تقديم تنوع كبير في الحلول للمسائل ذات الطبيعة الديناميكية، حيث أنه يمكنه عينة العديد من التكوينات الممكنة لنفس الوضعية. بهذا، يعزز MorphIK من عمليات التعلم والفهم، مستفيدًا من المعرفة التي اكتسبها في تطويع الحركيات العكسية لروبوتات متعددة.