تا حالا به این فکر کردید که رباتهای هوشمند چطور باید در خیابانها و محیطهای شلوغ حرکت کنند بدون اینکه با کسی برخورد کنند؟ 🤔
محققان به تازگی دیتاست جدیدی به نام «MUSON» را معرفی کردهاند که به طور خاص برای آموزش «ناوبری اجتماعی» به مدلهای چندوجهی (VLM) طراحی شده است. این مجموعه شامل بیش از ۱۰ هزار نمونه ویدیویی از محیطهای مختلف است که به مدل یاد میدهد چطور با استدلال زنجیرهای (Chain-of-Thought)، رفتار انسانها را درک کرده و بهترین تصمیم را برای حرکت ایمن بگیرد. در آزمایشهای اولیه، مدل Qwen3-VL-8B بهترین عملکرد را در این محیطهای شبیهسازیشده داشته است. 🚶♂️🚶♀️
این پیشرفت گام مهمی برای افزایش هوش و دقت رباتهای خدمترسان و خودروهای خودران در محیطهای واقعی انسانی محسوب میشود.
منبع: arXiv Computer Vision