محققان در مقاله جدیدی، مدل پیشرفتهای به نام «Ego3DLM» را معرفی کردهاند که دنیای هوش مصنوعیِ بدنمند (Embodied AI) و واقعیت مجازی (AR/VR) را یک قدم به جلو برده است. این مدل با درک سهبعدی از محیط و تفسیرِ همزمانِ حرکات و زبان، میتواند حرکات آینده انسان را با دقت بالایی پیشبینی کند.
ویژگی کلیدی Ego3DLM این است که برخلاف مدلهای قدیمی، «زبان» و «ژستهای حرکتی» را در یک مسیر واحد و یکپارچه پردازش میکند تا خروجی نهایی بسیار واقعیتر و دقیقتر باشد. این دستاورد میتواند در آینده به دستیارهای هوشمند کمک کند تا نیازهای شما را قبل از انجام حرکت، بهتر درک کنند! ✨
منبع: arXiv Computer Vision