في عالم الذكاء الاصطناعي، ومع تقدم التقنيات في تصميم الروبوتات، تظهر نماذج العمل البديلة (World-Action Models) كأداة فعالة لتحسين تفاعل الروبوتات مع البيئة المحيطة بها. يكمن التحدي في أن الجمع بين التنبؤات المستقبلية وتوليد الأفعال يتطلب طاقة حسابية مرتفعة، مما يثقل كاهل العملية.

لذا، تم تقديم استراتيجية الدرجات (Staircase Policy)، والتي تعتمد على إطار عمل مبتكر لإعادة التفكير في كيفية تنفيذ الأفعال بالشكل الأكثر كفاءة. بدلاً من تنفيذ مجموعة كبيرة من الأفعال دفعة واحدة، تشمل الاستراتيجية تقسيم هذه الأفعال إلى أجزاء أصغر تُنفذ تباعاً.

هذا الأسلوب يتيح للروبوتات تنفيذ الأفعال قصيرة الأمد بشكل أسرع بينما تظل الأفعال طويلة الأمد تحت المراجعة والتنقيح. عند كل مرحلة من مراحل التقسيم، تُعاد تنبؤات المستقبل بناءً على أحدث الملاحظات، وهو ما يضمن دقة أكبر في الأفعال المستقبلية.

النتائج مثيرة للإعجاب، حيث حققت استراتيجية S-WAM نسبة نجاح تبلغ 97.7% في اختبارات LIBERO و87.9% في LIBERO-Plus، كما حققت زيادة تصل إلى 292.7 فعلًا في الثانية، مما يمثل تحسناً كبيراً مقارنةً بالأساليب التقليدية.

ومع توظيف تحسينات إضافية، يمكن زيادة معدل التنفيذ ليصل إلى 642.9 فعلًا في الثانية، مما يعد طفرة في عالم الروبوتات وفتح آفاق جديدة في قدراتها.