اگر در دنیای هوش مصنوعی و رباتیک فعالیت میکنید، خبر خوبی برایتان داریم. مدلهای جدید Vision-Language-Action (VLA) با اینکه در کارهای حرکتی بسیار دقیق هستند، معمولاً کند عمل میکنند. محققان به تازگی چارچوب جدیدی به نام VOTE معرفی کردهاند که این مشکل را حل میکند.
ویژگیهای کلیدی این دستاورد:
✅ کاهش چشمگیر تعداد توکنهای عملیاتی برای افزایش سرعت.
✅ استفاده از یک سیستم رایگیری هوشمند (Voting Ensemble) برای ترکیب پیشبینیها و دقت بالاتر.
✅ نتیجهبخش بودن در محیطهای واقعی: این مدل ۳۹ برابر سریعتر از OpenVLA روی پلتفرمهای لبه (Edge) عمل میکند!
این یعنی قدمی بزرگ برای واقعیتر و سریعتر شدن رباتهای هوش مصنوعی که میتوانند در دنیای واقعی کارهای فیزیکی انجام دهند.
مشاهده پروژه در گیتهاب:
https://github.com/LukeLIN-web/VOTE
منبع: arXiv AI