روش جدیدی به نام Time-to-Goal (T2G) می‌کوشد با اختصاص هزینه کمتر به حالت‌هایی که از نظر زمانی به هدف نزدیک‌ترند، به ربات‌ها کمک کند مسیرهای طولانی‌تری را برنامه‌ریزی کنند. پژوهشگران این روش را با داده‌های مسیرهای حرکتیِ آفلاین و بدون برچسب پاداش یا سیاست آموزش می‌دهند و آن را به‌جای هزینه معمول اقلیدسیِ رسیدن به هدف به کار می‌برند؛ درحالی‌که رمزگذار و پیش‌بینِ مدل جهان را بدون تغییر نگه می‌دارند.
بر اساس نتایج گزارش‌شده در مقاله، T2G میانگین موفقیت برنامه‌ریزی را در چهار آزمون ناوبری و دست‌کاری از 32.7% به 63.0% افزایش داد و به عملکرد خطوط پایه سلسله‌مراتبی JEPA نزدیک شد و گاهی از آن‌ها هم فراتر رفت. این مقاله در November 4, 2026 به arXiv ارسال شد.
چرا مهم است
برای پژوهشگرانی که از مدل‌های جهانِ تخت در رباتیک استفاده می‌کنند، نتایج گزارش‌شده نشان می‌دهد معیار آموخته‌شده هزینه هدف می‌تواند موفقیت برنامه‌ریزی در آزمون‌ها را بهبود دهد، بی‌آنکه رمزگذار یا پیش‌بین مدل دوباره آموزش داده شود؛ اما عملکرد آن روی ربات‌های واقعی در این مقاله مشخص نشده است.
