تفاصيل الخبر
تقدم مسودة نشرها باحثو جورجيا تك على arXiv في 9 أكتوبر نظام Splat2Act، وهو مسار عمل من الواقع إلى المحاكاة ثم الواقع لتكييف سياسة عامة لذراع روبوتية مع مساحة داخلية معينة كالمنزل أو المكتب. يمسح المستخدم المكان بهاتف محمول ويقدم صوراً للأجسام الخاصة به. وينشئ النظام توأماً رقمياً على نطاق المبنى باستخدام تقنية 3D Gaussian Splatting وهندسة التصادم، ويحدد أماكن وضع الأشياء ومهام التقاطها، ثم يولد عروضاً ناجحة في المحاكاة. وطبق المؤلفون المسار على مسح 101 مساحة داخل الحرم الجامعي، حيث أنشأ 852 موضعاً للتقاط الأشياء وأكثر من 68,000 عرض روبوتي.
يفيد الباحثون بأن أفضل سياسة مكيّفة حققت نجاحاً إجمالياً في التقاط الأشياء نسبته 62.5% في مساحة مستهدفة. وعلى روبوت Stretch 3 حقيقي، بلغت النسبة 63.9% في مجموعة فرعية من 12 مهمة، مقابل 66.7% في المحاكاة للمهام نفسها. كما أفادوا بأن سياسة π₀.₅ غير المكيّفة لم تنجح في التقاط الأشياء في المساحات الممسوحة. وتقتصر النتائج على مساحات الحرم الجامعي والأجسام وتجهيز الروبوت المختارة؛ ولا تثبت الأداء في منازل مستقلة أو الاستخدام التجاري العام. وما زال العمل مسودة لم تخضع لمراجعة الأقران.
