לתקן את התנועה תוך כדי מגע

צוות באוניברסיטת קליפורניה בברקלי שילב משוב מגע במודל לשליטה ברובוט, כדי לאפשר לו לתקן את אחיזתו במהלך פעולה. לפי כתבתו של אד ג'נט ב־IEEE Spectrum מ־10 בספטמבר 2026, המערכת השיגה שיעור הצלחה ממוצע של 65% ב־12 משימות מניפולציה — כמעט כפול מזה של מודל הראייה־שפה־פעולה המוביל בהשוואה שדווחה.

הבעיה שהמחקר מבקש לפתור היא הפער בין תכנון פעולה לבין תגובה למגע. תמונה יכולה לסייע לרובוט לזהות חפץ ולתכנן תנועה, אך מידע על כוח והחלקה חשוב לתיקונים עדינים. לפי טרבור דארל מברקלי, חיישני ראייה מסורתיים מתקשים לספק מידע זה היטב.

שני מומחים בקצבים שונים

בגישה המתוארת, מומחה הפעולה מפיק תוכניות תנועה, ומומחה המגע מתאים אותן בזמן אמת לפי אותות החיישנים. מומחה המגע פועל בקצב מהיר פי ארבעה ממומחה הפעולה. ההפרדה נועדה להתמודד עם הצורך להגיב למגע מהר יותר מהקצב שבו פועלים רוב מודלי הראייה־שפה.

לפי הדיווח, הצוות אימן תחילה מודל על מאגרים קיימים, ובהמשך אימן תת־מודל ייעודי על 100 שעות של נתוני מגע שנאספו במיוחד במסגרת T-Rex. הנתונים כללו פעולות כגון ניגוב, אחיזה, סיבוב ומזיגה עם יותר מ־200 חפצים ביתיים. לאחר מכן כוונן המודל באמצעות כ־100 הדגמות בהפעלה מרחוק של משימות מורכבות יחסית, ובהן הברגת נורה, מריחת משחת שיניים על מברשת והעברת ביצה בין מגשים.

מה התוצאות עדיין אינן מוכיחות

נתון ההצלחה הוא ממוצע על פני המשימות שנבדקו, ולא הבטחה לביצוע של כל אחת מהן. דארל מציין מגבלה מרכזית: הנתונים נאספו ממערכת חומרה יחידה. הבדלים בין ידיים רובוטיות ובין סוגי חיישני מגע מקשים להעביר את הלמידה למערכות אחרות.

המקור שסופק הוא דיווח עיתונאי על המחקר, ולא אימות עצמאי של תוצאותיו. הוא מתאר ניסוי מחקרי, ללא ראיות לפריסה מסחרית או לאמינות לאורך זמן בסביבה תפעולית. התרומה המודגמת היא אפשרות לשיפור השליטה בעזרת תיקוני מגע מהירים, במסגרת התנאים שנבדקו.

המקורות שלנו

המקור, סוג העדות ותאריך הבדיקה זמינים כדי שתוכלו לבדוק בעצמכם.

מצאתם טעות או מידע שהתעדכן? שלחו תיקון. תיקונים מהותיים יתועדו כאן.