RoboTok و تبدیل ویدیوهای اینترنتی به پایگاه قابل جست‌وجو برای آموزش ربات‌ها

یادگیری رباتیک با یک چالش مهم داده‌ای روبه‌رو است: برای آموزش هر مهارت جدید معمولاً باید داده‌های بیشتری جمع‌آوری شود؛ فرایندی که هزینه‌بر است. RoboTok برای کاهش این وابستگی، از ویدیوهای موجود در اینترنت به‌عنوان منبعی قابل جست‌وجو از حرکات و رفتارهای دست انسان استفاده می‌کند.

در این روش، ویدیوها نه بر اساس ظاهر تصویر یا کپشن، بلکه بر پایه مسیر سه‌بعدی حرکت دست مقایسه می‌شوند. RoboTok با استخراج این مسیرها، ویدیوهایی را پیدا می‌کند که از نظر نوع حرکت به یکدیگر شباهت دارند.

این رویکرد می‌تواند اثر تفاوت‌هایی مانند زاویه دوربین، محیط، افراد مختلف و حتی پوشیده‌شدن دست‌ها را در جست‌وجوی ویدیوهای مرتبط کاهش دهد. ایده اصلی این است که ویدیوهای اینترنتی فقط یک منبع آموزشی عمومی نباشند، بلکه به یک دیتابیس قابل جست‌وجو برای آموزش مهارت‌های رباتیک تبدیل شوند.

بر اساس یادداشت خبرنگار، مقاله و کد این پروژه در صفحه مربوط به مقاله RoboTok در Hugging Face با نشانی huggingface.co/papers/2609.03199 معرفی شده است. پیام اصلی این کار آن است که برای هر مهارت رباتیک، لزوماً لازم نیست همه داده‌ها از ابتدا با خود ربات ضبط شوند.

منبع: گزارش رسیده از یک منبع خبری