مدلهای VLA فعلی در انجام کارهای پیچیده و طولانیمدت ضعف دارند، چون معمولاً فقط زمان حال را میبینند. حالا محققان فریمورک جدیدی به نام «Cortex» را معرفی کردهاند که با اتصال هوشمند بین سطح برنامهریزی بالا (VLM) و اجرای حرکتی پایین (VLA)، این مشکل را حل کرده است.
این مدل با استانداردسازی حرکات رباتیک به ۳۲ مهارت اصلی، به رباتها کمک میکند تا وظایف طولانی را با دقت بسیار بیشتری انجام دهند. نکته جذاب؟ Cortex توانسته در تستهای شبیهسازی، عملکرد مدلهای قبلی را به طور قابل توجهی بهبود دهد و حتی در دنیای واقعی هم کارهای ندیده را به صورت «Zero-shot» انجام دهد!
آینده رباتهای هوشمند با چنین راهکارهایی بسیار نزدیکتر به نظر میرسد. 🦾✨
منبع: arXiv AI