في عالم الذكاء الاصطناعي، حيث تسعى الروبوتات لتحقيق دقة متناهية في مهامها، تم تقديم نموذج جديد يثير الإعجاب تحت اسم Rolling-WAM (World Action Models) الذي يمثل قفزة نوعية في كفاءة الروبوتات.

يتميز نموذج Rolling-WAM بدمج توليد الحركة مع التنبؤ البصري المستقبلي، مما يمكن الروبوتات من تنفيذ مهام معقدة بشكل أفضل. ومع ذلك، كانت المشاكل السابقة تتعلق بتأخر كبير في عملية إزالة الضوضاء خلال كل دورة من دورات إعادة التخطيط، مما يؤثر سلبًا على استجابة النظام في الوقت الفعلي.

يقوم فريق البحث بتقديم حل مبتكر عن طريق توزيع عملية إزالة الضوضاء عبر دورات إعادة التخطيط المتتابعة. بدلاً من معالجة كل الأجزاء دفعة واحدة، يحتفظ النظام بنوافذ متزحلقة من مقاطع الفيديو والحركات عند مستويات ضوضاء مختلفة. في كل خطوة، يقوم الجدول الزمني المتداول بإزالة الضوضاء عن الجزء القريب من التنفيذ، مع تحسين جزئي للأجزاء المستقبلية.

ومع تقدم النافذة باستخدام ملاحظات الكاميرا الجديدة، تستمر الأجزاء المستقبلية في عملية إزالة الضوضاء، مما ينشر التكلفة الحاسوبية على مدى الزمن ويدعم السياق البصري الحركي المتطور عبر حدود المقاطع.

أظهرت التقييمات على منصات LIBERO وRoboTwin وأحد النماذج الواقعية، وحدة Unitree G1، أن نموذج Rolling-WAM حقق أداءً تنافسياً في مهام المناورة. إذ تمكن من تسريع عملية إعادة التخطيط بمعدل 4.5 مرة ثابتة مقارنة بالنماذج التقليدية، مما يمثل إنجازاً يفتح آفاقاً جديدة في تطبيقات الروبوتات.

هذا الابتكار الرائد يؤكد على أهمية الدمج بين الرؤية المستقبلية والإبداع في تطوير الذكاء الاصطناعي، مما يسهل على الروبوتات القيام بمهمات معقدة بكفاءة أكبر. هل تعتقد أن هذا النموذج سيغير مستقبل الروبوتات بشكل جذري؟ شاركونا آراءكم في التعليقات!