ממשימה למיומנויות מחוברות
חוקרי UC Berkeley הציגו מחקר וכלי הערכה בקוד פתוח המשלבים סוכני AI בתכנון, בבדיקה ובשיפור של מערכות רובוטיות למשימות תעשייתיות, כך דיווח The Deep View. הכלים משתמשים בפלטפורמת הסימולציה ויצירת הנתונים הסינתטיים NVIDIA Isaac. מוקד הפרסום הוא דרך לפתח ולבחון התנהגות רובוטית, ולא דיווח על פריסה מסחרית במפעל.
הרכיב הראשון, Graph-as-Policy או GaP, הוא מסגרת שבה סוכנים יוצרים, מחברים ובודקים מיומנויות. בדוגמה שמביא הדיווח, משימה מתפרקת לאיתור עצם, תכנון אחיזה והנעת התפסן ללא התנגשויות. הסוכן מחבר את החלקים ומשתמש בסימולציה כדי לתרגל ולבדוק אותם. המשמעות המעשית של המבנה היא שאפשר לבחון את רכיבי המשימה ואת החיבור ביניהם, במקום להתייחס למשימה כפעולה אחת.
מדד למשימות תעשייתיות
הרכיב השני, VABAR, הוא מערך הערכה לשש קטגוריות של משימות תעשייתיות בתנאים משתנים. הדיווח מזכיר בין היתר מיון ומסירת כלים, אריזת מזרקים והכנסה וניתוב של כבלים. הוא מתאר הדמיית אינטראקציות הכרוכות במגע בין רובוט לעצם, והערכה באמצעות Isaac Lab-Arena של NVIDIA.
קן גולדברג מברקלי אמר לאתר שהגישה נשענת על מודל שפה הכותב קוד לרובוט בזמן הפעולה. לדבריו, היא יכולה לשמש חלופה או השלמה לשיטות המשפרות מודלי ראייה־שפה־פעולה ומודלי עולם באמצעות נתונים.
האמינות עדיין טעונה הוכחה
גולדברג טען שגישות מבוססות נתונים נתקלו בתקרת אמינות של כ־80%. זו טענה המיוחסת לו, ולא תוצאה השוואתית שהראיות שסופקו מאפשרות לאמת. גם האפשרות להרחיב את הגישה לקמעונאות ולבתים, שעליה דיבר ג'ים פאן מ־NVIDIA, מוצגת כחזון עתידי.
המקור שסופק הוא דיווח עיתונאי הכולל דברי חוקרים, ללא מאמר המחקר, קוד או טבלאות תוצאות. לכן אי אפשר להסיק ממנו מה שיעור ההצלחה של הכלים, כמה נתונים הם חוסכים או עד כמה ביצועיהם בסימולציה עוברים לרובוט פיזי. הצגת מסגרת ומדד אינה כשלעצמה הוכחה לאמינות תעשייתית.
המקורות שלנו
המקור, סוג העדות ותאריך הבדיקה זמינים כדי שתוכלו לבדוק בעצמכם.
- The Deep Viewדיווח עיתונאי · נבדק 9 בנובמבר 2026
מצאתם טעות או מידע שהתעדכן? שלחו תיקון. תיקונים מהותיים יתועדו כאן.



