باحثون يحسنون التحكم في الروبوتات باستخدام طريقة الضغط LatentQuant

طور باحثون مؤخراً تقنية LatentQuant لحل مشكلة رئيسية في نماذج الفيديو المستخدمة في الروبوتات. تعتمد العديد من الأنظمة الحديثة على مشفرات الفيديو لفهم العالم، ولكن تقليص حجم هذه النماذج لتوفير المساحة غالباً ما يؤدي إلى كسر الرابط بين رؤية الذكاء الاصطناعي وأفعاله الجسدية.

عندما يستخدم المطورون ضغطاً قياسياً على نموذج مثل Wan2.1، قد تبدو جودة الفيديو جيدة. ومع ذلك، فإن اللغة الداخلية التي يستخدمها النموذج لإخبار الروبوت بكيفية التحرك تصبح مشوهة. وهذا يؤدي إلى فشل في المهام الواقعية.

تحل LatentQuant هذه المشكلة باستخدام عملية تدريب من مرحلتين. أولاً، تضمن بقاء المشفر المضغوط متزامناً مع النسخة الأصلية عالية الدقة. ثم تقوم بتجميد ذلك المشفر وضبط وحدة فك التشفير لتتناسب مع المخرجات الجديدة. هذا يحافظ على منطق الروبوت مع تقليل مساحة الذاكرة المطلوبة.

أظهرت الاختبارات أن هذه الطريقة تعمل بشكل جيد. في اختبار LIBERO، حققت الروبوتات معدل نجاح بلغ 95.75%، وهو تحسن هائل مقارنة بتقنيات الضغط القياسية. كما توفر زيادة كبيرة في السرعة تصل إلى 1.26 ضعف على أجهزة NVIDIA B300 مقارنة بالتنسيقات القديمة.

تخيل أنك تعلم روبوتاً تكديس المكعبات من خلال مشاهدة مقطع فيديو. إذا كان الفيديو مضغوطاً بشكل سيئ، فقد يخطئ الروبوت في الوصول إلى المكان الصحيح. هل يمتلك جهاز الكمبيوتر الخاص بك قوة كافية لتشغيل نماذج معقدة محلياً إذا كانت بهذه الكفاءة؟

من المهم ملاحظة أن هذه الاختبارات ركزت على مقاييس أداء محددة مثل LIBERO و RoboTwin. لم يختبر الباحثون بعد أداء LatentQuant عبر مجموعة أوسع من مهام الروبوتات الواقعية المتنوعة وغير المنظمة.