محققان تکنیک جدیدی برای «بهینهسازی مسیر» (Trajectory Optimisation) در رباتهای پیچیده معرفی کردهاند که میتواند انقلابی در حرکت رباتها ایجاد کند. این روش با استفاده از مشتقگیری ضمنی (Implicit Differentiation)، مشکل کندی و مصرف بالای حافظه در روشهای قدیمی را حل کرده است.
🔹 نکات کلیدی این پژوهش:
✅ کاهش چشمگیر مصرف حافظه (تا ۲۰ برابر کمتر در مدلهای بزرگ).
✅ عملکرد بهتر در شبیهساز Mujoco MJX.
✅ افزایش موفقیت در وظایف حرکتی رباتها (مثل دست رباتیک و رباتهای چهارپا) تا ۹۸ درصد!
این پیشرفت یعنی رباتها در آیندهای نزدیک میتوانند با دقت بسیار بالاتر و هوشمندی بیشتری در دنیای واقعی حرکت کنند.
منبع: arXiv Machine Learning