في عالم الذكاء الاصطناعي، يعد [تطوير](/tag/تطوير) [روبوتات بشرية](/tag/[روبوتات](/tag/روبوتات)-بشرية) قادرة على [التكيف](/tag/التكيف) مع بيئاتها الطبيعية أحد التحديات الأساسية. في هذا السياق، تم الكشف عن المشروع الجديد SUGAR، وهو إطار [عمل](/tag/عمل) رائد يتيح للروبوتات البشرية [تعلم](/tag/تعلم) [مهارات حركية](/tag/[مهارات](/tag/مهارات)-حركية) جديدة مستندة إلى [مقاطع الفيديو](/tag/مقاطع-[الفيديو](/tag/الفيديو)) البشرية بشكل مباشر وفعال.

يستند SUGAR إلى نهج ثلاثي المراحل، حيث يبدأ أولاً باستخراج [بيانات](/tag/بيانات) حركية أساسية من [مقاطع الفيديو](/tag/مقاطع-[الفيديو](/tag/الفيديو)) البشرية غير المنظمة، مما يتيح للروبوتات [فهم](/tag/فهم) الحركات والتفاعلات المختلفة مع [البيئة](/tag/البيئة). ثم يأتي الدور لمرحلة [التحسين](/tag/التحسين) الفيزيائي، حيث يتم [تحسين](/tag/تحسين) الحركات المستخلصة باستخدام [مكافآت](/tag/مكافآت) تحاكي الواقعية، مما يؤدي إلى إنتاج [مهارات حركية](/tag/[مهارات](/tag/مهارات)-حركية) عالية [الدقة](/tag/الدقة).

أما المرحلة الأخيرة فتتميز بتكون [سياسة](/tag/سياسة) ذات هيكل هرمي، تتضمن مولد [أوامر](/tag/أوامر) متطورة وموالف لتتبع الأوامر. ونتيجة لذلك، يتم [تحقيق](/tag/تحقيق) [أداء](/tag/أداء) يفوق الأنظمة التقليدية بفضل [التعلم الذاتي](/tag/[التعلم](/tag/التعلم)-الذاتي) الدقيق المستند إلى [البيانات المرئية](/tag/[البيانات](/tag/البيانات)-المرئية).

تم اختبار SUGAR على ستة مهام تمثيلية في [بيئة](/tag/بيئة) [المحاكاة](/tag/المحاكاة) وكذلك على [أجهزة](/tag/أجهزة) الروبوت البشرية في العالم الحقيقي، وقد أثبت فعاليته العالية وقدرته على [التعلم](/tag/التعلم) دون الحاجة إلى [تدخل](/tag/تدخل) بشري متخصص. ومن المثير للاهتمام، أن SUGAR يستطيع [نقل](/tag/نقل) المهارات المكتسبة إلى بيئات جديدة مع الحفاظ على [الأداء](/tag/الأداء) المثالي، مما يجعله رائدًا في مجال [الروبوتات](/tag/الروبوتات) البشرية الذكية.