# مدل ویدیویی دو‌دوربینه یادگیری ربات‌ها را بهبود می‌دهد

> پژوهشگران نشان داده‌اند مدل کنش نهفته چندنما، در مقایسه با روش‌های تک‌نما، نرخ موفقیت ربات‌ها را تا 20% افزایش می‌دهد.

Oossa · 2026-10-21 · https://oossa.com/fa/dual-camera-video-model-boosts-robot-learning-across-embodiments

اولیور هاوس‌دورفر و تیمش مدل تازه‌ای برای کنش نهفته عرضه کرده‌اند که از نماهای هم‌زمان دو دوربین استفاده می‌کند. این مدل کنش‌های دارای 6 درجه آزادی را دقیق‌تر استنباط می‌کند و دقت رمزگشایی را در مقایسه با نسخه‌های تک‌نما 17% افزایش می‌دهد. با به‌کارگیری مدل در سیاست کنترلی ربات، نرخ موفقیت در وظایف معیار به 13.5% رسید؛ درحالی‌که این رقم برای مدل پایه تک‌نما 6.2% بود. در آزمایش‌های دنیای واقعی که ربات حرکات دست انسان را تقلید می‌کرد، مدل دونما در 850 تلاش، 20% اجرای موفق بیشتری به همراه داشت.

## حقایق

- منتشرشده در 2026-10-21
- مدل کنش نهفته دونما دقت رمزگشایی را 17% و موفقیت سیاست کنترلی را تا 20% افزایش می‌دهد

## چرا مهم است

این بهبود یعنی ربات‌ها می‌توانند با نمایش‌های کمتری، مهارت‌های تازه را از ویدیوهای معمولی یاد بگیرند؛ موضوعی که به آزمایشگاه‌های دارای داده‌های محدودِ کنترل از راه دور کمک می‌کند.

## منابع و ارجاع‌ها

1. [Multi-View Latent Action Pretraining for Cross-Embodiment Robot Learning from Videos](https://arxiv.org/abs/2610.27794) – arXiv cs.RO, 2026-10-21

آخرین به‌روزرسانی: 2026-10-21