قدّم باحثون نظامًا باسم «التنبؤ الكامن المشروط بالفعل» (action-conditioned latent foresight)، يتيح لروبوت بشري تقييم تسلسلات مقترحة من حركات وأوامر لليد قبل تنفيذها. ويتنبأ النظام بما إذا كان التسلسل سيحرز تقدمًا نحو هدف المهمة، ثم ينفّذ جزءًا من التسلسل الأعلى تقييمًا ويعيد التخطيط انطلاقًا من ملاحظة جديدة.
في اختبارات الباحثين، حقق النظام نجاحًا في 85.7% من سبع مهام أُجريت على روبوت حقيقي في ظروف اعتيادية، مقابل 70.0% لنظام GR00T N1.7. وانخفضت نسبة النجاح إلى 65.7% عند استخدام تشكيلات غير مألوفة للأجسام، مقارنةً بـ48.6% لنظام GR00T N1.7.
لماذا يهم
بالنسبة إلى الباحثين في الروبوتات الذين يختبرون أداء الروبوتات البشرية في المهام، تشير النتائج إلى أن استعراض تسلسلات الأوامر قد يساعد، لكن انخفاض النتيجة مع التشكيلات غير المألوفة يبيّن أن الأداء لا يزال يتأثر بترتيب الأجسام.
