رباتهای آینده از اشتباهات خود درس میگیرند
در آزمایشهای انجامشده روی شبیهساز VirtualHome و رباتهای واقعی Franka، سیستم BrainBody-LLM امتیاز موفقیت را بهطور قابل توجهی افزایش میدهد و نشان میدهد که رباتها میتوانند یک قدم به رفتاری شبیه انسان نزدیک شوند.

رباتهای یادگیرنده از خطاهای خود
در آزمایشهای پیشرفته روی شبیهساز VirtualHome و رباتهای Franka در دنیای واقعی، سیستم BrainBody-LLM عملکردی را ارائه میدهد که به رباتها اجازه میدهد از اشتباهات خود بیاموزند و عملکردشان را بهبود بخشند. این پیشرفت، رباتها را یک گام مهم به سمت رفتار شبه انسانی نزدیک میکند.
- افزایش قابل توجه امتیاز موفقیت در تکالیف محوله
- قابلیت یادگیری تطبیقی از تجربیات گذشته
- بهبود مستمر در تفاعل با محیطهای پیچیده
- کاهش نیاز به برنامهریزی دستی برای هر سناریو
این فناوری مسیر جدیدی را برای توسعه هوش مصنوعی embodied باز میکند که در آن رباتها میتوانند بهطور مستقل در محیطهای غیرقابل پیشبینی عمل کنند.




