محققان در مقاله جدیدی، مدل «DWM» یا «مدل جهان تجزیهپذیر» را معرفی کردهاند که تحولی در نحوه یادگیری هوش مصنوعی در محیطهای پویا ایجاد میکند. 🌍🤖
مشکل مدلهای فعلی این بود که تغییرات محیط را به صورت یکجا یاد میگرفتند؛ یعنی فرقی بین حرکتِ خودِ ربات و حرکتهای طبیعی محیط (مثل جاذبه یا اینرسی) قائل نمیشدند. مدل DWM با جدا کردن این دو عامل، به هوش مصنوعی کمک میکند تا درک بسیار دقیقتری از علت و معلول در محیط داشته باشد.
این نوآوری باعث میشود مدلها در دنیای واقعی بهتر عمل کنند و یادگیریشان سریعتر و قابلانتقالتر شود. گامی مهم برای ساخت رباتهایی که واقعاً محیط اطرافشان را «میفهمند». 💡
منبع: arXiv AI