# VICTR يرفع نجاح الروبوتات عبر تتبّع التقدّم في العروض التوضيحية

> يقول فريق بحثي إن VICTR رفع نسبة النجاح في مهام مناولة واقعية غير مألوفة إلى 23.8%، مقارنةً بـ6.2% لخط أساس مضبوط بدقة.

Oossa · 2026-11-09 · https://oossa.com/ar/victr-improves-robot-task-success-using-demonstration-progress

يقدّم باحثون VICTR، وهي طريقة تساعد الروبوتات العاملة بالرؤية واللغة والفعل على اختيار الأجزاء المفيدة من عرض توضيحي أثناء تنفيذ المهمة. فبدلاً من استرجاع الأمثلة استناداً إلى التشابه البصري وحده، تقدّر الطريقة مدى تقدّم الروبوت مقارنةً بفيديو مرجعي، ثم تزوّد سياسة π0.5 بمقاطع من العرض التوضيحي توافق المرحلة التي بلغها.

في مهام مناولة واقعية غير مألوفة وخارج نطاق التدريب، أفاد الفريق بتحقيق نسبة نجاح بلغت 23.8%، مقارنةً بـ6.2% لخط أساس π0.5 مضبوط بدقة. كما أفادت الورقة البحثية بارتفاع مستوى التقدّم في المهام من 28.9% إلى 55.5%؛ لكنها لا تثبت مدى أداء الطريقة عند نشرها على نطاق أوسع.

## الحقائق

- يستخدم VICTR مقدّرًا للتقدّم يستند إلى عرض توضيحي مرجعي وتعليمات لغوية وملاحظة الحالة الراهنة.
- نسبة النجاح المُعلَن عنها: 23.8% لـVICTR مقابل 6.2% لخط أساس π0.5 المضبوط بدقة.

## لماذا يهم

بالنسبة إلى باحثي الروبوتات، تشير VICTR إلى أن مواءمة العروض التوضيحية وفقاً للتقدّم في المهمة قد تساعد الروبوتات على التعامل مع مهام مناولة غير مألوفة؛ لكن الأداء خارج الاختبارات المُعلَن عنها لا يزال غير معروف.

## المصادر والمراجع

1. [VICTR: Value-Informed In-Context Learning for Vision-Language-Action Models](https://arxiv.org/abs/2611.08698) – arXiv cs.RO, 2026-11-09

آخر تحديث: 2026-11-09