لقد أظهرت نماذج الرؤية-اللغة-العمل (VLA) قدرات ملحوظة في التعميم عبر مهام المناورة الروبوتية المتنوعة. ومع ذلك، فإن نشر هذه النماذج في البيئات غير المركبة لا يزال يمثل تحديًا بسبب الحاجة الحاسمة إلى الامتثال للمهام وضمان الأمان في نفس الوقت، وخاصة في منع التصادمات المحتملة أثناء التفاعلات الفيزيائية. في هذا العمل، نقدم بنية الرؤية-اللغة-العمل الآمنة (VLSA) المسماة AEGIS، والتي تتضمن طبقة قيود أمان قابلة للتوصيل تم صياغتها باستخدام وظائف الحاجز التحكم. يتكامل AEGIS مباشرة مع نماذج VLA الحالية لتحسين الأمان مع ضمانات نظرية، مع الحفاظ على أدائها الأصلي في اتباع التعليمات. لتقييم فعالية بنيتنا، قمنا ببناء مجموعة معيارية شاملة للسلامة SafeLIBERO، تشمل سيناريوهات مناورات متميزة تتسم بدرجات متفاوتة من التعقيد المكاني وتدخل العقبات. تظهر التجارب الواسعة تفوق طريقتنا على الأساسات المتطورة. ومن الجدير بالذكر أن AEGIS حقق تحسينًا بنسبة 59.16% في معدل تجنب العقبات بينما زاد بشكل كبير من معدل نجاح تنفيذ المهام بنسبة 17.25%. لتسهيل إعادة الإنتاجية والأبحاث المستقبلية، نوفر الشيفرة والنماذج ومجموعات البيانات المعيارية متاحة للجمهور على https://vlsa-aegis.github.io/.
درس هو وآخرون (الثلاثاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: