تا به حال دقت کردید که مدلهای هوش مصنوعی در کارهای پیچیده رباتیک چقدر زود «فراموشکار» میشوند؟ مدلهای VLA فعلی معمولاً فقط روی لحظه حال تمرکز دارند، اما مدل جدید LaMem-VLA با یک راهکار خلاقانه این مشکل را حل کرده است.
این مدل با استفاده از یک معماری جدید، تجربههای قبلی ربات را به «توکنهای حافظه» در فضای نهفته تبدیل میکند. به زبان ساده، ربات حالا میتواند اتفاقات گذشته را مثل خاطرات در کنار درک لحظهای خود قرار دهد و برای انجام کارهای طولانی و چندمرحلهای، بسیار هوشمندتر عمل کند. این یک قدم بزرگ برای حرکت از رباتهای ساده به سمت ایجنتهای هوشمند واقعی در دنیای فیزیکی است! 🦾✨
منبع: arXiv Computer Vision