قدّم فريق بحثي WorldSketch، وهو نظام للروبوتات يستعين بنموذج للرؤية واللغة (VLM) لإنشاء نموذج مبسّط لما يحيط بالروبوت، بدلًا من أن يختار حركاته مباشرة. يحدّد النموذج الأجسام ذات الصلة بالمهمة، وكيف يمكن لمسها أو تحريكها، والحركات الممكنة. بعد ذلك، يستخدم مخطط هندسي هذا النموذج للتخطيط للتلامس وحركة الروبوت بجسمه كله.
أفاد الباحثون بتحقيق النظام معدلات نجاح من دون تدريب مسبق خاص بالمهمة بلغت 91% على RoboCasa، و97% على LIBERO-PRO، و76% في الملاحة على R2R-CE. وفي RoboCasa، سجّل WorldSketch نتيجة أعلى بـ58 نقطة مئوية من ثاني أفضل خط أساس لوكيل يعمل من دون تدريب مسبق، مع استخدام عُشر عدد رموز الإدخال لنموذج الرؤية واللغة. وعلى LIBERO-PRO، تفوّق على CaP-X بـ82 نقطة مئوية. أما في الملاحة، فحقق معدل نجاح مماثلًا لوكلاء الرؤية واللغة الذين يخططون خطوة بخطوة، مع استخدام عدد رموز إدخال أقل بست مرات. هذه نتائج أوردها مؤلفو الورقة البحثية، وليست تقييمات مستقلة.
كيف يراجع النظام خطته؟
لا يتعامل WorldSketch مع رسمه الأولي على أنه نهائي. إذ يمكن لنموذج الرؤية واللغة الاستعانة بأدوات الإدراك للتحقق مما فهمه، كما يمكن لملاحظات التنفيذ التي يتلقاها الروبوت أن تكشف خطأً في التوقع. عندئذ يستطيع النظام تحديث الأجزاء غير المؤكدة من نموذجه والمحاولة مجددًا. والهدف هو تزويد المخطط بالمعلومات الكافية للتصرف، من دون مطالبة نموذج الرؤية واللغة بالتفكير مباشرة في الهندسة الدقيقة والتلامس.
يتناول هذا النهج خيارين شائعين في التصميم، بحسب وصف الباحثين: استخدام نموذج للرؤية واللغة للاختيار من مكتبة مهارات ثابتة، أو تكليفه بتوليد الأفعال وبرامج التحكم. قد تحدّ المكتبة الثابتة مما يستطيع الروبوت فعله، في حين يتطلب توليد الأفعال مباشرةً من النموذج التعامل مع استدلالات فيزيائية تفصيلية. أما WorldSketch، فيُسند إلى النموذج بناء نموذج خاص بالمهمة، ويتولى المخطط تخطيط الحركة.
الورقة البحثية مسودة من 40 صفحة على arXiv، نُشرت في November 3, 2026. ويعرض ملخصها نتائج عبر ثلاثة اختبارات معيارية محددة، لكنه لا يذكر ما إذا كان التقييم قد أُجري باستخدام روبوتات فعلية، ولا يثبت أداء النظام خارج نطاق تلك الاختبارات. لذلك، تشير النتائج إلى إمكانات واعدة ضمن التقييمات المعروضة، لكنها لا تثبت موثوقية الاستخدام اليومي في المنازل.
لماذا يهم
للمهتمين بالروبوتات المنزلية، يقدم WorldSketch طريقة مختلفة لربط الفهم البصري بالحركة: يبني نموذج الرؤية واللغة نموذجًا للعالم، ثم يستخدمه مخطط لتوجيه الروبوت. نتائج الاختبارات المعيارية واعدة، لكن ملخص الورقة لا يوضح ما إذا كان النظام قد اختُبر على روبوتات فعلية أو مدى موثوقية أدائه في المنازل العادية.
