في عالم الروبوتات، تعد مواجهة الاضطرابات البصرية (Visual Disruptions) أثناء تنفيذ المهام تحدياً يؤرق الكثيرين. لكن الابتكارات لا تتوقف هنا. نقدم لكم تقنية جديدة تحت اسم "التكيف الذاتي من المسارات المتبقية" (Self-supervised Adaptation from Leftover Trajectories - SALT) التي تعتبر صمام الأمان لمواجهة هذه التحديات.

تقوم الفكرة الأساسية للتقنية على استخدام المسار المتبقي، حيث يتم الاعتماد على جزء غير مُنفذ من الإجراء السابق كمرشد لتكييف النموذج خلال مرحلة الاختبار. في واقع الأمر، وبما أن الأجزاء المتتالية تتداخل زمنياً، فإن المسار المتبقي يوفّر هدفاً مرتبطاً زمنياً مع التنبؤات الحالية خلال نفس فترة التحكم المستقبلية.

عند حدوث تحول بصري، يبقى المسار المتبقي من الإجراء السابق بمثابة خطة ثابتة تُعزز التكيف عبر الانزلاق (Transition Anchoring). تحافظ تقنية SALT على سياسة التكيف وتعيد توليد الجزء الحالي، حيث يصبح المسار المتبقي هدفًا لإعادة التخطيط في المستقبل، مما يضمن توصيل التصحيح على طول مسار التنفيذ (Sequential Correction Propagation).

الأهم من ذلك، تعتمد هذه التقنية على إشراف ذاتي يأتي بالكامل من توقعات السياسة نفسها، مما يعني أنها لا تتطلب وجود إشارات ضمنية، أو إجراءات خبير، أو توضيحات لمجالات الهدف. بالإضافة إلى ذلك، يتم استخدام بوابة تكيف خفيفة يتم تعديلها فقط على المسارات النموذجية لتحديد متى تبدأ التحديثات.

أما بالنسبة للنتائج المبهرة، فقد أثبتت SALT زيادة في معدل النجاح من 43.9% إلى 53.2% على نموذج SmolVLA وعملت على تحسين النجاح من 58.7% إلى 66.0% مع النموذج GR00T N1.7، مع الحفاظ على الأداء النموذجي. وباستخدام روبوت حقيقي، شهد معدل تقدم المهام زيادة من 0.49 إلى 0.61، مما يبرز كفاءة وجودة التقنيات الحديثة.

هل تعتقد أن هذه التقنيات ستغير من مستقبل الروبوتات؟ شاركونا آرائكم في التعليقات!