يصف فريق بقيادة Guangyuan Wang أسلوبًا يُطبَّق وقت الاستدلال لتكييف سياسات روبوتات مدرّبة مسبقًا مع العوائق، من دون جمع عروض توضيحية جديدة أو إعادة التدريب. ويقيّم الأسلوب المسار المتوقع للروبوت، ثم يوزّع تصحيحات تجنب العوائق على تسلسل الحركات، بدلًا من تصحيح كل خطوة على حدة.
في اختبارات شملت سبعة سيناريوهات مقيّدة بالعوائق وأربع مهام مناولة، أفاد الباحثون بإتمام 105 مهام من أصل 140 بنجاح ومن دون اصطدام، مقارنةً بـ8 من أصل 140 عند استخدام التوجيه النقطي القائم على الأفعال المطلقة. وهذه نتائج تجريبية معلنة؛ ولا تحدد الملخصة أداء الأسلوب خارج تلك السيناريوهات.
لماذا يهم
بالنسبة إلى باحثي الروبوتات الساعين إلى تكييف السياسات المدرّبة مسبقًا مع عوائق جديدة، تشير النتائج إلى أن تنسيق التصحيحات على امتداد تسلسل الحركات قد يساعد من دون إعادة تدريب، لكن الأداء خارج السيناريوهات التي اختُبرت لا يزال غير معلوم.
