# CureWM خوش‌بینی مدل‌های جهان ربات‌ها را کاهش می‌دهد

> روش تازهٔ تنظیم دقیق، پیش‌بینی‌های موفقیتِ کاذب در وظایف رباتیک را با استفاده از نمونه‌های شکست خلاف‌واقعی از 80% به حدود 30% می‌رساند.

Oossa · 2026-10-08 · https://oossa.com/fa/curewm-reduces-optimism-in-robot-world-models

پژوهشگران CureWM را معرفی کرده‌اند؛ روشی که نمونه‌های شبیه‌سازی‌شدهٔ شکست را به مدل‌های جهانِ ربات موجود اضافه می‌کند. این روش با تکیه بر نمایش‌های موفق، کنش‌های جایگزین می‌سازد، پیامد آن‌ها را در شبیه‌سازی یا با یک بازوی رباتیک واقعی بررسی می‌کند و سپس مدل را با این شکست‌های تأییدشده تنظیم دقیق می‌کند. در 484 وظیفهٔ کنارگذاشته‌شدهٔ LIBERO، خوش‌بینی در چهار مدلِ تنظیم‌دقیق‌شده از 80% به 30‑43% کاهش یافت. آزمایش‌های ربات فیزیکی نیز نشان داد امتیازهای موفقیت کاذب از 90% به 33% می‌رسند.

## حقایق

- انتشار: Thu Oct 08 2026 06:00:00 GMT+0200
- پس از تنظیم دقیق با CureWM، خوش‌بینی به 30‑43% کاهش یافت (میانگین 38%)

## چرا مهم است

کاهش پیش‌بینی‌های موفقیت کاذب به برنامه‌ریزان ربات کمک می‌کند هنگام استفاده در دنیای واقعی از کنش‌های ناایمن پرهیز کنند.

## منابع و ارجاع‌ها

1. [World Models Dream of Success: Diagnosing and Repairing Failure Insensitivity in Robot World Models](https://arxiv.org/abs/2610.09134) – arXiv cs.RO, 2026-10-08

آخرین به‌روزرسانی: 2026-10-08