هوش مصنوعی
پژوهشگران می‌کوشند استدلال فضایی ربات‌ها را از تصویر به نماد منتقل کنند
یک پیش‌چاپ در arXiv روشی پیشنهاد می‌کند که در آن مدل‌های زبانی برای تصمیم‌گیری در تعامل با ربات، به‌جای بازتفسیر تصویر در هر گام، از نمایش هندسی نمادین و به‌روزرسانی‌های محلی استفاده می‌کنند.
پژوهشگران در پیش‌چاپی در arXiv می‌پرسند آیا مدل‌های زبانی چندوجهی برای هر گام از تعامل با ربات باید مشاهدات تصویری خام را دوباره تفسیر کنند. روش پیشنهادی آن‌ها استدلال فضاییِ معمول را از تصویر به متن و نماد منتقل می‌کند: هندسهٔ صحنه با ارجاع‌های نمادینِ نوع‌دار و آگاه از شواهد به بخش‌های اشیا نمایش داده می‌شود و این ارجاع‌ها با داده‌های RGB-D کالیبره‌شده به صحنهٔ واقعی پیوند می‌خورند.
رابط پیشنهادی پس از هر کنش، یک چک‌پوینت متنی فشرده همراه با باقیمانده‌های اندازه‌گیری‌شده ارائه می‌کند. در نتیجه، ساختار نمادین وظیفه می‌تواند میان تصمیم‌ها دوباره استفاده شود، درحالی‌که مقادیر هندسی با صحنهٔ جاری تطبیق می‌یابند. منبع در دسترس جزئیات بیشتری دربارهٔ ارزیابی یا نتایج این روش ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده