مع زيادة الاعتماد على نماذج الروبوتات العامة على مجموعات بيانات كبيرة ومتنوعة، يواجه الباحثون تحديات جذرية في الملاحة الثلاثية الأبعاد المنسجمة مع الواقع. تبرز مشكلة الفجوة البصرية بين البيانات المُحاكية والبيانات النمطية التي يتم جمعها من الواقع. في هذا الإطار، يأتي الحل القائم على نموذج NavGen، والذي يتمتع بقدرة على توليد بيانات الغرض العام باستخدام نماذج توليد بصرية عالية الجودة.

تسمح التقنية الجديدة المعروفة بمسار توليد بيانات النص إلى الفيديو (text-to-video) بنقل المشاهد المختلفة داخل وخارج البيئات باستخدام مقاطع فيديو مُولدة. يركز NavGen على إنتاج تجارب مختلفة لملاحة الرؤية-اللغة (Vision-Language Navigation) تتضمن حوالي 400,000 حلقة ملاحة، مما يضمن توفير بيانات متكاملة من شأنها تعزيز أداء الروبوتات في الظروف الحقيقية.

بينما تظهر نتائج الاختبارات أن نموذج NavGen يتفوق بشكل ملحوظ على النماذج التي تم تدريبها على مجموعات بيانات الطائرات بدون طيار الحالية. فعند نشر النموذج المدرب في تجارب العالم الحقيقي، تم تحقيق معدل نجاح يصل إلى 75% عبر مهام ومجالات ملاحة مختلفة.

تُعد هذه النتائج دليلاً قوياً على أن NavGen ليس مجرد نموذج بل ثورة في كيفية استغلال البيانات في عمليات الملاحة ثلاثية الأبعاد، مما يفتح المجال أمام تطبيقات واسعة في مجالات الروبوتات والتقنيات المتقدمة. ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!