في معركة مستمرة لتحسين أداء الروبوتات في البيئات الوعرة، أعلن الباحثون مؤخرًا عن تطوير إطار عمل جديد يُعرف باسم تعلم المناهج التلقائي على مستوى المسار (Trajectory-level Automatic Curriculum Learning) والذي يسعى لتحسين قدرة الروبوتات على التنقل بفاعلية.

التحدي الأساسي الذي يواجه العلماء هو أن التضاريس الوعرة تفتقر إلى ترتيب صعوبة واضح يمكن الاعتماد عليه في تصميم المناهج، مما يضطرهم إلى استخدام مناهج تجريبية قد تُقيّد قدرة النماذج على التعميم. وفي محاولة لتجاوز هذه القيود، يُستخدم النظام الجديد خرائط التضاريس غير المهيكلة لإنشاء مهام تدريب مباشرة، ويقوم بتحديث تقييم الصعوبة مع تطور السياسة، مما يُحسن من قدرة الأنظمة على التعامل مع الأوضاع المعقدة.

الأداء التجريبي للنظام الجديد مذهل، حيث أظهر تحسنًا بنسبة 56.3% في معدل نجاح المهام مقارنة بالتدريب المباشر دون استخدام المناهج. كما يُعد تحسين معدل النجاح بنسبة 18.5% على أصعب المهام الإضافية دليلاً على كفاءة هذه الطريقة.

ليس هناك شك في أن تعلم المناهج التلقائي على مستوى المسار يمثل خطوة هائلة نحو تحقيق التنقل الذكي، مما يؤكد على أهمية الاستمرار في تطوير تقنيات الذكاء الاصطناعي التي تدفع حدود ما يمكن للروبوتات تحقيقه.