في عالم الذكاء الاصطناعي، يستمر التطور السريع بتقديم حلول مبتكرة تلبي احتياجات المستخدمين بشكل أفضل. أحد هذه الحلول هو **مترجم التعليمات المُعتمد على المسار** (Trajectory-Grounded Instruction Translator - TGIT) الذي تم كشف الستار عنه مؤخرًا، والذي يهدف إلى تحسين أداء وكلاء الملاحة الجوية المعتمدين على الرؤية واللغة (VLN).

تاريخيًا، تم تدريب هذه الوكلاء على تعليمات غنية بالتفاصيل ومتوافقة مع المسارات، بينما في الواقع، يقوم المستخدمون بإصدار تعليمات قصيرة وهدفها محدد. هذه الفجوة في التعليمات تؤثر سلبًا على نسبة النجاح، حيث انخفضت من 31.03% إلى 11.33% عند استخدام نظام **OpenFly** الثابت.

لتجاوز هذه المشكلة، تم توجيه نموذج لغوي (Language Model) باستخدام أمثلة مكتوبة من البشر لتحويل الأوامر الأصلية إلى أوامر ضعف مُركزة على النية، مما أدى إلى رفع نسبة النجاح إلى 15.27%. أما العنصر الأهم في هذه المعادلة، فهو المترجم TGIT الذي يبقي النظام الثابت ويحول المدخلات الضعيفة إلى أوامر قابلة للتنفيذ من قبل الوكيل، مستفيداً من نتائج المسار.

النتيجة كانت مثيرة للإعجاب، حيث ارتفعت نسبة النجاح للمدخلات الضعيفة لتصل إلى 37.93%، بالإضافة إلى تحسين الأداء من خلال تحويل التعليمات البشرية الواقعية من 11.33% إلى 32.51%. كما أن هناك تحسنًا في **OpenFly**، مع زيادة من 4.95% إلى 20.79%، مما يدل على فعالية TGIT في مختلف السيناريوهات.