Ny robotmodell återanvänder tidigare tankeprocesser istället för att börja om från noll

arXiv cs.AI

Forskare presenterar FLOWMEM, en modell för robotstyrning som sparar och återanvänder framgångsrika 'tankeflöden' (interna beräkningssteg som omvandlar synintryck till robotrörelser) istället för att räkna om allt från scratch vid varje nytt försök. Resultaten på två standardtestmiljöer visar 48,0% respektive 77,3% framgångsrate – en förbättring på upp till 4,1 procentenheter jämfört med modeller utan minne. Det är inte dramatiska siffror, men principen är intressant: att behandla lyckade resonemang som erfarenhet att bygga vidare på, ungefär som en människa gör.