محققان در تازهترین پژوهش خود، روشی کارآمد برای بهبود دقت و سرعت مدلهای «ناوبری بینایی-زبانی» (VLN) معرفی کردهاند. مدلهای فعلی اغلب هنگام مسیریابی دچار خطاهای حافظه یا لوپهای تکراری میشوند.
فریمورک جدید DART-VLN بدون نیاز به آموزش مجدد و با استفاده از دو تکنیک هوشمندانه:
1️⃣ حذف اطلاعات قدیمی و زائد از حافظه (Memory Decay)
2️⃣ جریمه کردن حرکات برگشتی غیرضروری (Anti-Loop)
توانسته است دقت ناوبری را افزایش داده و مسیرهای بهینهتری ایجاد کند. این یعنی گامی مهم برای ایجنتهای هوشمندی که باید در محیطهای پیچیده به درستی حرکت کنند. 🤖🗺️
منبع: arXiv AI