في الوقت الذي تتزايد فيه الحاجة إلى تحسين التعاون بين الإنسان والروبوت في البيئات الصناعية، يبرز نموذج STEP كحل فريد. يعاني العديد من الروبوتات الحديثة من محدودية فهمها للنوايا البشرية وضرورة المساعدة في التخطيط لخفض أعباء العمل، مما يتطلب تدخل نماذج أكثر تقدمًا.

تمّ استخدام نماذج لغوية ضخمة متعددة الوسائط (Multi-modal Large Language Models - MM-LLMs) في التخطيط للمهام، لكن غالباً ما تفتقر هذه النماذج إلى فهم حالات النظام، مما يؤدي إلى إجراءات غير دقيقة قد تفشل في تحقيق الهدف المنشود. وقد أظهرت الدراسات أن التقنيات الحالية غالبًا ما تكون غامضة في تنفيذ العمل بسبب عدم قدرتها على تتبع التحولات الحاصلة في الحالات المختلفة.

هنا يأتي دور نموذج STEP، الذي يتيح للروبوتات تقييم الحالة الحالية للنظام والتنبؤ بالتحولات الناتجة عن الإجراءات المنفذة، مما يعزز دقة الخطط المستقبلية. من خلال دمج التوقعات المستقبلية مع الإجراءات، يتمكن STEP من تخطيط المهام بطريقة أكثر دقة ويساهم في تقليل الأخطاء.

لقد أظهر نموذج STEP نتائج مبهرة في بيئات المحاكاة خلال مهام التجميع الآلي، حيث تفوق على أفضل النماذج الحالية بزيادة 32.8% في قابلية تنفيذ الإجراءات و14.8% في تقليل أخطاء الحالة النهائية.

هل تتساءل كيف يمكن للروبوتات أن تعزز تجربتك اليومية من خلال هذا التطور المذهل؟ شاركونا آراءكم حول استخدام التكنولوجيا في العمل والتعاون البشري!