يقدّم باحثون DiMuRe، وهو نظام يساعد الروبوتات على التعافي عندما يجعل عارضٌ ما الإجراء التالي غير مناسب. ويستند النظام إلى مؤشرات من المرحلة الحالية للمهمة ليقرر ما إذا كان سيعيد استخدام البرنامج القائم أم سيجرّب مهارة تعافٍ محددة مسبقًا؛ كما يمكن لنموذج ذكاء اصطناعي إنشاء شيفرة تصحيحية بعد توقف البرنامج.
في 801 حالة تعطل مجدولة ضمن بيئة تطوير Encore، سجّلت الورقة البحثية نجاحًا في إنجاز المهام بنسبة 77.65% باستخدام Local DiMuRe، مقابل 58.68% للبرنامج الأصلي، مع السماح بالعدد نفسه من الخطوات الفعلية. وبلغت النسبة 81.90% مع Full DiMuRe، لكن ذلك تطلّب خطوات إضافية وإعادة تخطيط نهائية. ويقدّم الباحثون أيضًا LIBERO-Disturb، وهو معيار لاختبار التعافي.
لماذا يهم
يتيح LIBERO-Disturb للباحثين في مجال الروبوتات معيارًا لاختبار موثوقية المهام عند حدوث اضطرابات في أثنائها؛ لكن لم يتضح هنا ما إذا كانت المكاسب المُعلنة ستتحقق مع روبوتات أخرى أو في ظروف العالم الحقيقي.
