في عالم الروبوتات، أثبتت النماذج التي تربط بين الرؤية ولغة الأوامر وقدرات التنفيذ في العمل كفاءات مذهلة، إلا أن التحديات المتعلقة بالتعميم للأفعال غير المرئية لا تزال قائمة. ومع ظهور الوكلاء المتعددين الأنماط، زادت الآمال في حل المشكلات الروبوتية دون الحاجة لتدريب مسبق. ولكن، غالبًا ما تواجه هذه الأنظمة تكاليف تنفيذ مرتفعة بسبب الحاجة إلى البحث والتفاعل مع العالم المادي من الصفر.

للتغلب على هذه العقبة، تم تقديم إطار عمل جديد يُعرف باسم RoboSkill، والذي يربط بين اكتساب المهارات وإعادة استخدامها من خلال حلقة ديناميكية تحت شعار "اكتشاف، تنفيذ، وتطور". يعمل هذا النظام على استكشاف المعلومات ذات الصلة بالمهام، وتنفيذ الأعمال مع التكيف بناءً على التغذية الراجعة، وتطوير مكتبة المهارات بناءً على سجلات التنفيذ.

الدورة تبدأ باستكشاف المعلومات المتعلقة بالمهمة، تليها عملية تنفيذ المهمات مع الاهتمام بالتعليقات الواردة، وتستمر في تحسين مكتبة المهارات وفقًا للمعطيات الجديدة. هذه العملية تسمح بإعادة استخدام المهارات المكتسبة لتوجيه البحث والتنفيذ في الدورة التالية، مما يغلق الحلقة بكفاءة.

لتحسين فاعلية هذه الدورة، تم دمج الرؤية مع التغذية الراجعة اللمسية لتقليل عدم اليقين خلال التفاعل المادي. كما تم تعزيز الإرشادات النصية باعتماد شيفرات قابلة لإعادة الاستخدام لتقليل العبء أثناء إعادة استخدام المهارات.

على منصة LIBERO-10، أظهرت نتائج RoboSkill تحسينًا في معدلات النجاح في أول محاولة تتراوح بين 12.5 إلى 25.0 نقطة مئوية، بالإضافة إلى تقليص وقت التنفيذ المتوسط بين 7.6 إلى 72.4% عبر أربعة وكلاء. وعلى الروبوتات الحقيقية، حسنت النهاية من معدلات النجاح بمقدار 8.3 نقطة مئوية وقللت من متوسط وقت التنفيذ خلال التجارب الناجحة بنسبة لا تقل عن 14.4%.

هذه الابتكارات ستحدث ثورة في كيفية تعامل الروبوتات مع المهام المختلفة وتوفير استجابات أسرع وأدق، مما يفتح الطريق أمام مستقبل واعد لهذه التكنولوجيا.