تعد الملاحة في البيئات الخارجية واحدة من أكبر التحديات التي تواجه تقنيات الذكاء الاصطناعي، خاصة عندما يتعلق الأمر بالتنقل في مواقع واسعة ومتنوعة. وفي دراسة حديثة تم نشرها على منصة arXiv، تم تقديم نموذج جديد يحمل اسم TARIC، يهدف إلى تحسين نظام الملاحة الذكية، أو ما يُعرف بالملاحة بالاعتماد على رؤية اللغة (Vision-Language Navigation - VLN).

تواجه الروبوتات عادة عقبات خلال تنقلها، لا سيما عند فقدان الإشارات الدلالية، مما يؤدي إلى تدهور أدائها ودخولها في مرحلة تسمى «عدم وجود إشارات». في هذه الحالة، ينتهي بهم الأمر إلى اتباع مسارات عشوائية أو العودة إلى الوراء. هذه الدراسة تسلط الضوء على الدور الهام للذاكرة في معالجة مثل هذه التحديات، حيث اقترح الباحثون نموذجًا موحدًا يساعد الروبوتات على الاستمرار في تلقي الإرشادات حتى في حالة غياب الإشارات.

النموذج الجديد يستخدم «الذاكرة ثلاثية الأبعاد» التي تعتمد على معلومات شبه مستمرة يتم سحبها من البيئة المحيطة، مما يضمن أن التوجيه يظل مستقرًا وقابلًا للوصول حتى مع الظروف المتغيرة. لقد أظهرت التجارب أن TARIC يحقق زيادة بأكثر من 10 نقاط مئوية في معدلات النجاح مقارنة بأبرز النماذج السابقة، حيث تواصل الروبوتات تحقيق معدلات نجاح تصل إلى 40% في البيئات الحقيقية.

تعتبر هذه الابتكارات خطوة كبيرة نحو تحسين فعالية الروبوتات في البيئات الخارجية وتفتح آفاق جديدة لإمكانيات استخدام الذكاء الاصطناعي في مناطق تتطلب تنقلًا دقيقًا.