محققان در یک دستاورد تازه، فریمورک نوآورانهای به نام FlatManifold را معرفی کردهاند که یادگیری مستمر (Continual Learning) را در شرایط سخت، متحول میکند.
مشکل اصلی مدلهای فعلی، «فراموشی فاجعهبار» و حساسیت به نویزهای برچسبگذاری (Label Noise) در محیطهای پویاست. این مدل جدید با استفاده از تکنیکهای هندسی پیشرفته (Nyström manifold flattening)، ویژگیها را به شکلی بهینه نگاشت میکند که حتی در حضور ۴۰٪ نویز، مدل همچنان دقت خود را حفظ کرده و در مواجهه با تغییرات محیطی (مانند تغییرات نوری و فصلی در رباتیک) عملکردی بسیار پایدار دارد.
این یعنی رباتها در دنیای واقعی و تغییرپذیر، بسیار باهوشتر و قابلاعتمادتر عمل خواهند کرد.
منبع: arXiv Machine Learning