مدلهای دنیای مجازی (Latent World Models) پتانسیل بالایی برای شبیهسازی و پیشبینی دارند، اما وقتی نوبت به برنامهریزیهای طولانیمدت میرسد، معمولاً با افت دقت مواجه میشوند. محققان در مقاله جدیدی، متد «SAGE» را معرفی کردهاند که با استفاده از «زیرهدفها» (Subgoals) به جای حدسهای تصادفی، به هوش مصنوعی کمک میکند تا مسیرهای بهینهتر و بلندمدتتری را پیشبینی کند.
نتایج آزمایشها روی بنچمارکهای حرکتی مثل PushT نشان میدهد که این روش جدید، نرخ موفقیت در برنامهریزیهای بلندمدت را جهش چشمگیری داده است. این یعنی قدمی دیگر به سمت رباتهایی که میتوانند هوشمندانهتر و با نگاه به آینده تصمیم بگیرند! 🤖✨
منبع: arXiv AI