محققان در مقالهای تازه به چالش مهمی در ارتباط میان زبان و مدلهای جهانی (World Models) در رباتها پرداختهاند. تا پیش از این، انتقال مستقیم ویژگیهای مدلهای زبانی به مدلهای رباتیک باعث «فروپاشی نمادها» میشد که دقت را بهشدت کاهش میداد.
این تیم تحقیقاتی با معرفی یک معماری جدید و استفاده از خوشهبندی هوشمند، موفق شدند بدون نیاز به آموزش مجدد مدلهای سنگین (LLM)، دقت اتصال مفاهیم (Grounding) را به بیش از ۹۷ درصد برسانند. این دستاورد، گام بزرگی برای فهم بهتر محیط توسط رباتهاست، آن هم با کمترین هزینه محاسباتی! 🚀
منبع: arXiv Machine Learning
