Ruixiao Yang و همکارانش در مقاله‌ای که 15 اکتبر 2026 منتشر شد، چارچوبی بدون نیاز به آموزش معرفی کردند که با استفاده از یک صحنهٔ تمرینی، برنامه‌های ادراک و برنامه‌ریزیِ قابل‌استفادهٔ مجدد می‌سازد. این سامانه از قابلیت رندر مدل بینایی‌ـ‌زبان برای بررسی عملکرد خود و بهبود برنامه استفاده می‌کند، بی‌آنکه به برچسبِ راه‌حل نیاز داشته باشد. پس از بهبود، برنامهٔ ثابت‌شده نمونه‌های تازه را بدون فراخوانی دوبارهٔ مدل بزرگ حل می‌کند. آزمایش‌ها در پانزده حوزهٔ دوبعدی و سه‌بعدی، میانگین نرخ موفقیت برنامه‌ریزی 99.3% را نشان دادند.
چرا مهم است
این روش به توسعه‌دهندگان امکان می‌دهد سامانه‌های برنامه‌ریزی بصری را با هزینهٔ محاسباتی بسیار کمتر بسازند و کاربردی‌تر شدن اتوماسیون مبتنی بر هوش مصنوعی در رباتیک و شبیه‌سازی را ممکن می‌کند.
