في عالم الذكاء الاصطناعي، يعتبر التجميع الغني بالاحتكاك تحديًا يتطلب دقة عالية في تحديد المواقع وفهم موثوق للقوى أثناء الاتصال. وقد أشارت الأبحاث الحديثة إلى أن عدم التطابق في الملاحظات البصرية وديناميكيات الاتصال يمكن أن يعيق قدرة الأنظمة على التعلم. هنا يبرز دور PACE (Encoder مرتبط بالإدراك الحركي العابر للنماذج)، الذي يضم بعدًا جديدًا في معالجة هذه التحديات.

استنادًا إلى فكرة أن الإدراك الكينيسي (Proprioception) يبقى ثابتًا عبر مختلف المجالات، يتبنى PACE تصميمًا متقدمًا يربط بين تمثيلات الإدراك الحركي والتصورات البصرية بدقة كبيرة. هذا النظام يقوم بتوقع الانتقالات الخاصة بحالة الإدراك الكينيسي، مما يساعد في توجيه العمليات البصرية وتحديد القوة/العزم دون الالتفات إلى العوامل الخارجية مثل الإضاءة والنسيج.

لقد أثبتت التجارب أن المنظومة المدعومة بواسطة PACE حققت معدل نجاح يبلغ 93.3% في أربع مهام تجميع غنية بالاحتكاك، مع انخفاض طفيف قدره 2.7% عند الانتقال من المحاكاة إلى العالم الحقيقي. الأمر الذي يظهر قوة النظام في مواجهة التحديات التي تعصف بنماذج التعلم الأساسية.

بهذا الشكل، يُعتبر PACE خطوة ثورية نحو تحسين عمليات التجميع الآلي وإدخال تقنيات جديدة قادرة على تحقيق الأداء المطلوب في البيئات الحقيقية دون حاجة إلى إعدادات إضافية.