رباتیک

ProCompNav به ربات‌ها کمک می‌کند ابهام درخواست کاربر را با پرسش‌های بله‌و‌خیر رفع کنند

چارچوبی دومرحله‌ای، به‌جای پرسش‌های باز و پاسخ‌های طولانی، گزینه‌ها را با قضاوت مقایسه‌ای محدود می‌کند تا ربات هدف موردنظر را میان اشیای مشابه پیدا کند.

۲ دقیقه مطالعه
Figure 1: Three strategies for instance navigation under an ambiguous user query. (a) Independent Matching [ 23 ] evaluates each candidate independently. (b) Pooled Independent Matching collects multiple candidates, accu
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشگران ProCompNav را برای ناوبری تعاملی ربات‌ها معرفی کرده‌اند؛ مسئله‌ای که در آن ربات باید از میان چند شیء مشابه، هدفی را پیدا کند که کاربر منظورش را داشته است. روش‌های پیشین معمولاً پرسش‌های باز می‌پرسند و بر پایهٔ اطلاعاتی که کاربر به‌تدریج می‌دهد، گزینهٔ محتمل را انتخاب می‌کنند؛ رویکردی که ممکن است پاسخ‌های طولانی بخواهد یا ربات را به تصمیم‌گیری زودهنگام برساند.

ProCompNav ابتدا مجموعه‌ای از گزینه‌های نامزد می‌سازد و سپس با روشی به نام «قضاوت مقایسه‌ای بازگشتی» (RCJ) آن را کوچک می‌کند. در هر مرحله، سامانه ویژگی‌ای را انتخاب می‌کند که گزینه‌ها را از هم جدا کند، دربارهٔ آن پرسشی دوتایی از کاربر می‌پرسد و گزینه‌های ناسازگار با پاسخ را کنار می‌گذارد. این روش به یافتن ویژگی‌ای نیاز ندارد که فقط در هدف موردنظر وجود داشته باشد.

طبق چکیدهٔ مقاله، ProCompNav در یک بنچمارک ناوبری تعاملی نرخ موفقیت را به‌طور چشمگیری افزایش داد و طول پاسخ‌های کاربر را کاهش داد. در یک بنچمارک غیرتعاملی نیز بالاترین نرخ موفقیت را در میان روش‌های ارزیابی‌شده به دست آورد. شرکت‌کنندگان دو مطالعهٔ انسانی، پرسش‌های دوتایی این روش را به پرسش‌های باز و ارائهٔ دسته‌ای پرسش‌ها را به تعامل نوبتی ترجیح دادند. مقاله اعلام کرده است که در NeurIPS 2026 به‌صورت ارائهٔ شفاهی پذیرفته شده است.

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