TL;DR
- چکیده:.
- فعال کردن روباتها برای یادگیری کارهای دستکاری افق طولانی از چند نمایش یک چالش اصلی در رباتیک است.
- رویکردهای عصبی نمادین موجود اغلب به انتزاعات نمادین دست ساز،.
چه اتفاقی افتاد
چکیده:. فعال کردن روباتها برای یادگیری کارهای دستکاری افق طولانی از چند نمایش یک چالش اصلی در رباتیک است.
رویکردهای عصبی نمادین موجود اغلب به انتزاعات نمادین دست ساز،. مسیرهای با برچسب معنایی یا مجموعه دادههای نمایشی بزرگ متکی هستند که مقیاس پذیری و کاربرد در.
دنیای واقعی را محدود میکند. ما یک چارچوب عصبی-سمبلیک مقیاسپذیر ارائه میکنیم که بهطور مستقل حوزههای برنامهریزی نمادین و سیاستهای کنترل کارآمد داده.
را از یک تا سی نمایش مهارت بدون حاشیهنویسی بدون نیاز به مهندسی دامنه دستی میسازد. روش ما نمایشها را به مهارتها تقسیم میکند و از یک مدل زبان - چشمانداز (VLM) برای طبقهبندی.
مهارتها و شناسایی حالتهای سطح بالا معادل استفاده میکند،. که ساخت خودکار یک نمودار حالت گذار را ممکن میسازد.
این نمودار توسط یک حل کننده برنامهنویسی مجموعه پاسخ پردازش میشود یک دامنه برنامهریزی PDDL. را ترکیب کنید،.
که یک تابع اوراکل از آن برای جداسازی حداقل،. مرتبط با کار و فضاهای عمل نسبی و هدف برای هر خط مشی مهارت استفاده میکند.
خطمشیها در سطح مرجع کنترل به جای سیگنال محرک خام،. یاد میگیرند،.
که یک هدف یادگیری نرمتر و کمتر ایجاد میکند. کنترلکنندههای شناختهشده را میتوان برای تقویت دادههای دنیای واقعی با نمایش یک نمایش واحد بر روی اشیاء دیگر.
در صحنه،. بهطور همزمان غنیسازی فرآیند ساخت نمودار و مجموعه دادهها برای یادگیری تقلید،.
مورد استفاده قرار داد. ما چارچوب خود را در درجه اول بر روی یک لیفتراک صنعتی واقعی در آزمایشهای آماری دستکاری دقیق.
تأیید میکنیم و کلیت بین پلتفرمیرا روی بازوی روباتیک Kinova Gen3 در دو معیار استاندارد نشان میدهیم. نتایج ما نشان میدهد که یادگیری کنترل زمینی،.
انتزاع مبتنی بر VLM،. و ترکیب برنامهریزی خودکار در یک خط لوله یکپارچه یک مسیر عملی به سمت روباتیک عصبی-نمادین مقیاس.
پذیر،. کارآمد،.
بدون متخصص و قابل تفسیر است. رباتیک (cs.
RO)؛ هوش مصنوعی (cs. AI) استناد بهعنوان: (یا v1 [cs.
RO] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Pierrick Lorang [مشاهده ایمیل] [v1] شنبه،. 4 آوریل 2026،.
15:. 17:.
59 UTC (13,. 446 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.