نموذج الذكاء الاصطناعي المتطور: اكتشاف المعرفة المستمرة في نموذج اللغة والرؤية والعمل

تتطور نماذج الذكاء الاصطناعي بشكل متواصل، وخاصة تلك المعنية بالرؤية واللغة والعمل (Vision-Language-Action). مؤخراً، تم الكشف عن نموذج Stellar VLA الذي يعكس هذه التطورات، حيث يمكنه تجميع المعرفة بشكل فعال من خلال التعلم المستمر.

تعاني جهود التعلم المستمر في نموذج VLA من بعض التحديات مثل الاعتماد على معلمات إضافية أو وحدات خارجية، وهو ما يؤثر على قابلية التوسع للنماذج الكبيرة. مع هذا، جاء ابتكار Stellar VLA ليعالج هذه القضايا، حيث يتيح التعلم دون الحاجة لزيادة تعقيدات هيكل الشبكة.

تم تصميم متغيرين متقدمين: الأول هو T-Stellar الذي يركز على النمذجة المستندة إلى المهام بشكل مسطح، والثاني هو TS-Stellar الذي يتبنى هيكلاً هرمياً للمهارات والمهام. يعزز Stellar VLA القدرة على التعلم من خلال تحسين التمثيلات المهمة وتطوير فضاء المعرفة المتعلمة بشكل مشترك.

إحدى الميزات الفريدة لهذا النموذج هي آلية توجيه الخبراء المدفوعة بالمعرفة، والتي تسمح بتخصص المهام دون زيادة حجم النموذج. أظهرت تجارب Benchmark LIBERO أن Stellar VLA تحقق أداءً قوياً مقارنة بالمعايير التقليدية، مع استخدام 1% فقط من بيانات إعادة التشغيل.

علاوة على ذلك، تم اختبار النموذج في بيئات حقيقية على منصة ثنائية الذراع مع تكوينات مختلفة، مما أثبت فعالية نقل المعرفة. يُظهر TS-Stellar تفوقًا في التعامل الهيراركي، فيما تكشف التصورات عن قدرة قوية على الاحتفاظ بالمعرفة واكتشاف المهام.

لمزيد من المعلومات، يمكنكم زيارة [الموقع الرسمي للمشروع](https://stellarvla.github.io/).