# ذاكرة مدمجة تساعد الروبوتات على تذكّر أفعالها السابقة

> يقدّم باحثون أسلوبًا يمكّن روبوتات الرؤية واللغة والفعل من الاحتفاظ بالتفاعلات السابقة في صورة انتقالات موجزة، مع تسجيل نتائج أفضل في مهام الذاكرة.

Oossa · 2026-10-16 · https://oossa.com/ar/ltm-gives-robots-a-compact-memory-of-past-actions

يقدّم الباحثون «ذاكرة الانتقال الكامنة» (LTM)، وهي طريقة تساعد الروبوتات على تذكّر التفاعلات التي لم تعد ظاهرة أمامها. وبدلًا من تخزين الملاحظات كاملة، تسجّل الطريقة انتقالات موجزة بين ملاحظات متعاقبة، وتستخدمها مع نموذج الرؤية واللغة والفعل π₀.₅.

في الاختبارات التي أوردها الباحثون، حقق LTM-π نسبة نجاح بلغت 80.5% على LIBERO-Mem و58.54% على RoboMME، متفوقًا على خطوط أساس لم تستخدم نماذج استدلال خارجية أو تعليقات توضيحية مخصصة للذاكرة. وأفادت الورقة أيضًا بارتفاع نسبة النجاح في مهام العدّ باستخدام روبوت حقيقي من 11.25% إلى 82.50%؛ لكن الملخص لا يقدّم تفاصيل عن الروبوت أو إعداد الاختبار.

## الحقائق

- تخزّن الطريقة الانتقالات بين الملاحظات المتعاقبة، وتستخدم التخزين المؤقت السببي لمفاتيح وقيم الانتباه (KV) للاستدلال التدريجي.
- أفادت الورقة بتحقيق نسبة نجاح قدرها 84.00% مع ميزانية ذاكرة تبلغ 200 رمز، مقارنةً بـ87.50% من دون ضغط الذاكرة.

## لماذا يهم

توفّر LTM لباحثي الروبوتات طريقة خضعت للاختبار لاحتواء سجل التفاعلات ضمن ميزانية ذاكرة صغيرة، لكن الملخص وحده لا يثبت مدى نجاحها مع روبوتات أو مهام أخرى.

## المصادر والمراجع

1. [LTM: Latent Transition Based In-Context Memory for Vision-Language-Action Models](https://arxiv.org/abs/2610.21362) – arXiv cs.RO, 2026-10-16

آخر تحديث: 2026-10-16