یکی از چالشهای بزرگ در «هوش مصنوعی تجسمیافته» (Embodied AI)، این است که وقتی رباتها در محیطهای جدید کاوش میکنند، مسیرهایی را میروند که با دستورالعملهای اولیه مطابقت ندارد.
محققان با معرفی مدل جدید Phi-Nav، این مشکل را حل کردهاند! این مدل با استفاده از «استدلال پسنگر» (Hindsight Reasoning)، مسیرهایی که ربات طی کرده را با دستورالعملهای زبانی هماهنگ میکند. به زبان ساده، ربات بعد از کاوش، خودش برای مسیر طی شده دستورالعمل میسازد و از آن برای یادگیری بهتر استفاده میکند.
نتیجه؟ رباتها با دادههای آموزشی بسیار کمتر، به عملکردی خیرهکننده در محیطهای پیچیده میرسند. گامی مهم برای هوشمندتر شدن دستیارهای رباتیک در آینده! 🤖💡
منبع: arXiv AI
