في عالم الذكاء الاصطناعي، يمثل التحكم في الروبوتات المتعددة داخل بيئات مزدحمة تحديًا كبيرًا، يتطلب التنسيق الفعال بين الروبوتات وتجنّب التصادمات مع بعضها البعض أو مع العقبات. تكمن العقبة الرئيسية في الحاجة إلى التخطيط المتزامن للمهام والحركات، حيث أن أي خلل في أحد المستويين قد يؤدي إلى نتائج غير مرضية.
للتغلب على هذه التحديات، اقترحت ورقة بحثية جديدة إطار عمل هجين يساعد على تحسين التخطيط لكل من المهام والحركات معاً. باستخدام نظام نقاط التوجيه (Waypoints)، يُمكن تعريف المسارات الحركية بشكل أكثر دقة وبساطة.
كما قدّم الباحثون استراتيجية لتوزيع المهام من خلال تدريب استناد إلى المناهج (Curriculum-Based Training) باستخدام خوارزمية معدلة تُعرف باسم RLVR، والتي تعزز من فعالية نقل التعليقات حول جدوى الحركات من مخطط الحركات إلى مخطط المهام.
أظهر البحث تجارب مثيرة على نموذج BoxNet3D-OBS - وهو معيار صعب يتضمن عقبات كثيفة وعدد يصل إلى تسعة روبوتات - حيث أظهرت النتائج تحسنًا ملحوظًا في معدلات النجاح بالمقارنة مع الأنظمة التقليدية غير المعتمدة على الحركة.
إطار العمل المبتكر هذا يفتح آفاق جديدة للتحكم في الروبوتات في البيئات المعقدة، ويضع أساسًا متينًا لمزيد من التطورات المستقبلية في هذا المجال المشوق.