في عالم مليء بالتحديات الديناميكية، غالبًا ما يواجه الوكلاء المستقلون صعوبات في التعرف على الأشياء الجديدة التي قد تعيق قدرتهم على وضع خطط فعالة لتحقيق أهدافهم. فحتى التخطيط الرمزي التقليدي لا ينجح في توليد الخطط المطلوبة عندما يفتقر مجال التخطيط للروبوت إلى العناصر اللازمة للتفاعل بشكل ملائم مع هذه الكائنات الجديدة.

لذا، تم تقديم هيكلية جديدة تجمع بين التخطيط الرمزي والتعلم المعزز، مستخدمةً نماذج اللغة الكبيرة (Large Language Models) لتعزيز قدرة الوكلاء على إدراك العناصر الناقصة في بيئتهم. تسمح هذه الهيكلية للوكيل التعليمي باكتشاف عوامل جديدة ومهمة، ومن ثم وضع خطط استراتيجية تتماشى مع التطورات المتغيرة.

تستفيد هذه الطريقة من قدرة نماذج اللغة الكبيرة على التفكير بشكل منطقي وفهم الأمور العامة، مما يعزز من قدرتها على تحديد المشغلين المفقودين، وتوليد خطط من خلال التخطيط الرمزي، وكتابة وظائف المكافآت التي توجه الوكيل التعليمي في تعلم سياسات التحكم لعوامل جديدة تم التعرف عليها. النتائج تشير إلى أن هذه الطريقة متفوقة على الأساليب السائدة حاليًا في اكتشاف المشغلين وتعلمهم في مجالات الروبوتات المستمرة.

لمزيد من المعلومات حول هذا الابتكار الرائع، يمكنكم زيارة موقعنا في صفحة المشروع.