Ин таҳқиқот ду механизми гуногуни омӯзишро барои мутобиқшавии роботҳо ба шароити тағйирёбандаи ҷаҳони воқеӣ муқоиса мекунад: Омӯзиши Сохтори Хулосашуда (Inferred-Structure Learning, IS), ки мунтазамиҳои сохтории доимиро байни таҷрибаҳо ба параметрҳои модел ворид мекунад, ва Омӯзиши Дарун-Контекстӣ (In-Context Learning, ICL), ки бидуни тағйир додани параметрҳои модел аз мисолҳои мавҷуда қоидаи фаврии вазифаро мебарорад. Муҳаққиқон агенти IS-и асосёфта ба MAML-ро бо агенти хурди ICL-и асосёфта ба трансформер дар ҳамон додаҳои support ва query муқоиса карда, чорчӯбаи иерархии Байесиро таҳия кардаанд, ки бартарии IS-ро дар тағйироти сохторӣ ва бартарии ICL-ро дар қоидаҳои контекстуалӣ, ки дар ҳар эпизод комилан тағйир меёбанд, пешбинӣ мекунад. Дар дувоздаҳ таҷрибаи назоратшаванда, додаҳои синтетикӣ ва миқёси роботӣ ин пурракунандаро қавӣ дастгирӣ карданд; дар 2.400 мушоҳидаи воқеии проприосептивӣ, ки аз роботи Niryo Ned3 Pro ҷамъоварӣ шудаанд, IS дар зери тағйироти сохторӣ ICL-ро ба таври назаррас пеш гузошт. Аммо дар таҷрибаи роботи воқеӣ нишонаҳои синф ба таври синтетикӣ таъин шуда буданд, муваффақияти вазифаи физикии робот дар ҳалқаи пӯшида чен нашуд ва бартарии контекстуалии ICL дар додаи воқеӣ ба аҳамияти оморӣ нарасид.

Натиҷаи асосии таҳқиқот ин аст, ки IS ва ICL техникаҳои рақибе нестанд, ки якдигарро иваз кунанд. IS сохторҳои физикӣ ва сабабиро, ки дар бисёр таҷриба ё вазифа такрор мешаванд, ба параметрҳои доимӣ интиқол медиҳад; ICL бошад, мисолҳои нав, дастурҳо ё мувофиқатҳои ҳадафро, ки дар як вазифа дода мешаванд, зуд тафсир мекунад. Аз ин рӯ, муҳаққиқон меъмории сеқабатаи маърифати роботиро пешниҳод мекунанд, ки аз модели доимии ҷаҳон, модули яхкардашудаи истидлоли контекстуалӣ ва механизми дарвозаи омӯхташуда барои якҷо кардани ду баромад вобаста ба шароит иборат аст.

Барои Туркия чӣ маъно дорад?

Роботҳое, ки дар Туркия дар автомобилсозӣ, техникаи маишӣ, мудофиа, логистика, технологияҳои кишоварзӣ ва хатҳои истеҳсолии чандир истифода мешаванд, бо тағйирёбандаҳое монанди вазни маҳсулот, соиш, фарсудашавии таҷҳизот, тартиби мизи корӣ ва ҳадафҳои истеҳсол рӯ ба рӯ мешаванд. Ин таҳқиқот принсипи тарҳи консептуалиро пешниҳод мекунад, ки тағйироти такроршавандаи сохтори физикиро бо модели сохтории дарозмуддат ва дастурҳои вобаста ба баст ё фармоишро бо хулосабарории дарун-контекстӣ идора карданро тавсия медиҳад.

Барои татбиқ дар Туркия бояд аз таҷрибаҳои таснифоти синтетикӣ фаротар рафт. Таҷрибаҳои ҳалқаи пӯшида бо дастурҳои табиии туркӣ, тартиби сенсорҳои хатҳои истеҳсолии маҳаллӣ, брендҳои гуногуни робот, тағйироти воқеии бор ва соиш, стандартҳои бехатарӣ ва меъёрҳои муваффақияти физикии вазифа лозиманд. Натиҷаҳои таҳқиқот исбот намекунанд, ки меъмории пешниҳодшуда дар системаҳои роботии Туркия мустақиман муваффақ мешавад; онҳо гипотезаи муҳандисии санҷишшавандаро дар бораи он пешниҳод мекунанд, ки дар кадом навъи тағйир кадом механизми мутобиқшавӣ бояд авлавият дошта бошад.

Саволи асосии таҳқиқот чист?

Роботе, ки дар ҷаҳони воқеӣ кор мекунад, метавонад бо ду навъи номуайянӣ рӯ ба рӯ шавад. Дар аввал, сохтори доимӣ ё такроршавандаи муҳит тағйир меёбад: вазни бор, соиши буғум, муносибатҳои сенсорҳо, геометрияи майдони кор ё рафтори физикии объект метавонад фарқ кунад. Дар дуюм, сохтори физикӣ бетағйир мемонад, аммо маънои вазифаи ҷорӣ иваз мешавад: оператор метавонад қоидаи нави тартибдиҳӣ диҳад, мувофиқати рангҳо ба ҳадафҳо аз нав таъин шавад ё ба ҳамон объект ҳадафи дигар дода шавад.

Саволи асосии муҳаққиқон чунин аст: оё робот бояд ба ҳамаи ин тағйирот бо як механизми мутобиқшавӣ ҷавоб диҳад, ё омӯзиши сохтории дарозмуддатро бо хулосабарории контекстуалии кӯтоҳмуддат якҷо истифода барад?

Гипотезаи таҳқиқот равшан аст:

• Дар тағйироти сохторӣ, азбаски байни эпизодҳо тартиби умумии такроршаванда вуҷуд дорад, IS бояд бартарӣ дошта бошад.
• Дар тағйироти контекстуалӣ, азбаски қоидаи ҳар эпизод бояд аз мисолҳои мавҷуда дубора хонда шавад, ICL бояд бартарӣ дошта бошад.
• Дар шароити омехта, системаи гибридӣ, ки баромадҳои ду механизмро мувофиқи муҳит вазн медиҳад, бояд аз агентҳои танҳо истифодашаванда мувофиқтар бошад.

Омӯзиши Сохтори Хулосашуда чист?

Омӯзиши Сохтори Хулосашуда дар таҳқиқот на ҳамчун номи як алгоритми стандартӣ, балки ҳамчун мафҳуми умумӣ барои усулҳое истифода мешавад, ки мунтазамиҳои сохтории пинҳонро ба параметрҳои модел ворид мекунанд. Meta-learning, world models, variational autoencoders, омӯзиши тақвиятӣ бо тағйирёбандаҳои пинҳон ва representation learning ҳамчун намунаҳои гуногуни ҳамин механизми умумӣ баррасӣ мешаванд.

Муносибати асосии тавлидӣ байни додаи мушоҳидашуда \(x\) ва сохтори пинҳон \(z\) чунин аст:

\[ p(x)=\int p(x\mid z)p(z)\,dz \]

Дар ин ҷо:

• \(x\) додаи мушоҳидашуда, ба монанди тасвир, ҷумла, ҳолати робот ё траекторияи ҳаракат аст.
• \(z\) тағйирёбандаи бевосита мушоҳиданашаванда, ба монанди режими физикӣ, оилаи вазифа, тартиби муҳит ё сохтори сабабӣ аст.
• \(p(z)\) тақсимоти prior бар сохторҳои эҳтимолии пинҳон аст.
• \(p(x\mid z)\) эҳтимоли мушоҳида шудани дода дар зери сохтори муайяни пинҳон аст.

Бо илова кардани параметрҳои омӯхташаванда \(\theta\), модел чунин мешавад:

\[ p_{\theta}(x)=\int p_{\theta}(x\mid z)p(z)\,dz \]

Ҳадаф омӯзиши параметрҳое мебошад, ки додаи мушоҳидашударо беҳтарин шарҳ медиҳанд:

\[ \theta^{*}=\arg\max_{\theta}\mathbb{E}_{p_{data}(x)}[\log p_{\theta}(x)] \]

Азбаски ҳисоб кардани тақсимоти ҳақиқии posterior дар бисёр ҳолатҳо душвор аст, модели тахминии хулосабарорӣ бо номи \(q_{\phi}(z\mid x)\) истифода мешавад. Evidence Lower Bound (ELBO) чунин дода мешавад:

\[ \mathcal{L}(\theta,\phi)=\mathbb{E}_{q_{\phi}(z\mid x)}[\log p_{\theta}(x\mid z)]-D_{KL}(q_{\phi}(z\mid x)\parallel p(z)) \]

Терми аввал нишон медиҳад, ки модел додаҳоро то чӣ андоза хуб бозсозӣ ё шарҳ медиҳад; терми дуюм, яъне дивергенсияи Kullback-Leibler, regularization-ро ифода мекунад, ки намегузорад фазои пинҳони омӯхташуда аз тақсимоти prior аз ҳад дур шавад. Хусусияти асосии IS дар он аст, ки дониши доимӣ ба параметрҳои модел ва representations-и пинҳон ворид мешавад.

Омӯзиши Дарун-Контекстӣ чист?

Омӯзиши Дарун-Контекстӣ қобилияти модели пешомӯхташуда барои баровардани қоидаи муваққатии вазифа танҳо аз мисолҳои дар пайдарпаии ҷории воридот буда, бидуни тағйир додани параметрҳои модел мебошад. Параметрҳои модел \(\theta\) собит мемонанд. Агар контекст аз \(k\) мисол чунин таъриф шавад:

\[ C=\{(x_i,y_i)\}_{i=1}^{k} \]

пешгӯии query-и нав чунин аст:

\[ \hat{y}_{k+1}=f_{\theta}(x_{k+1},C) \]

Мутобиқшавӣ на бо навсозии gradient, балки тавассути механизми self-attention-и трансформер сурат мегирад:

\[ h_i=Attention(Q_i,K_C,V_C) \]

\(Q_i\) query-и ҷорӣ, \(K_C\) key-representations-и мисолҳои контекст ва \(V_C\) иттилои гирифташаванда аз ин мисолҳоро мебарад. Модел бо вазнҳои attention муайян мекунад, ки кадом мисолҳои контекст ба query-и ҷорӣ вобастаанд.

Аз дидгоҳи Байесӣ ин раванд ҳамчун ҳисобкунии тахминии тақсимоти муваққатии posterior бар параметри вазифа \(\phi\) ифода мешавад:

\[ p(y\mid x,C)\approx\int p_{\theta}(y\mid x,\phi)q(\phi\mid C)\,d\phi \]

Ҳангоми бардоштани контекст, ин мутобиқшавӣ низ аз байн меравад. Аз ин рӯ, ICL зуд ва бе навсозии параметрҳо кор мекунад; аммо худ аз худ дониши нави сохториро ба хотираи доимӣ табдил намедиҳад.

Фарқҳои асосии байни IS ва ICL кадоманд?

Чорчӯбаи ягонаи Байесӣ чӣ гуна сохта мешавад?

Таҳқиқот ду равишро ҳамчун ҷузъҳои як раванди иерархии хулосабарорӣ дар миқёсҳои гуногуни вақт ифода мекунад:

\[ p(y\mid x,D)=\int p_{\theta}(y\mid x,\phi)q_{\theta}(\phi\mid D)\,d\phi \]

\(D\) метавонад аз дидгоҳи IS додаи омӯзишии дарозмуддат ва аз дидгоҳи ICL мисолҳои кӯтоҳмуддати контекстро ифода кунад. IS prior-и доимӣ ва қобилияти representation-и сохториро ташкил медиҳад; ICL бошад ин prior-ро дар мисолҳои вазифаи ҷорӣ зуд истифода мебарад.

Теоремаи якум: IS дар кадом шароит наздик мешавад?

Теоремаи якум шарҳ медиҳад, ки meta-parameters-и агенти IS-и асосёфта ба MAML дар зери noise-и сохторӣ чӣ қадар зуд наздик мешаванд. Фарз карда мешавад, ки deviation-и сохтории ҳар эпизод бо \(\varepsilon\) маҳдуд, функсияи loss \(L\)-Lipschitz ва \(\mu\)-strongly convex аст.

Ҳадди матни асосӣ чунин аст:

\[ \|\theta_T-\theta^{*}\|\leq(1-\eta\mu)^T\|\theta_0-\theta^{*}\|+\frac{\eta L\varepsilon}{\mu} \]

Дар ин ҷо:

• \(\theta_T\) параметрҳо баъд аз \(T\) meta-update мебошанд.
• \(\theta^{*}\) беҳтарин meta-initialization барои оилаи вазифа аст.
• \(\eta\) learning rate аст.
• \(\mu\) коэффисиенти strongly convex мебошад.
• \(L\) коэффисиенти smoothness ё Lipschitz аст.
• \(\varepsilon\) ҳадди болоии noise-и сохторӣ байни эпизодҳо мебошад.

Терми аввал бо шумораи навсозиҳо геометрӣ кам мешавад. Терми дуюм error floor-еро ифода мекунад, ки бинобар noise-и сохторӣ ба сифр расонда намешавад. Аммо дар исботи иловагӣ амали силсилаи геометрӣ натиҷаи \(L\varepsilon/\mu\)-ро медиҳад, дар ҳоле ки дар ифодаи асосии теорема \(\eta L\varepsilon/\mu\) навишта шудааст. Версияи баррасишуда барои ин фарқ шарҳи риёзии муттасил пешниҳод намекунад.

Теоремаи дуюм: Бо калон шудани контекст ICL чӣ гуна тағйир меёбад?

Теоремаи дуюм regret-и интизории агенти ICL, ки \(k\) мисоли контекст мегирад, нисбат ба oracle-и пешакӣ донандаи вазифа маҳдуд мекунад:

\[ \mathbb{E}[R_{ICL}(k)]\leq\mathcal{O}\left(\frac{d\log M}{k}\right) \]

\(d\) андозаи вуруд; \(M\) шумораи вазифа ё label mapping-и эҳтимолӣ; \(k\) шумораи мисолҳои контекст аст. Бо фарзияи он ки модел Bayesian inference-ро ба қадри кофӣ дақиқ тақриб мекунад, бо зиёд шудани контекст regret бояд тақрибан бо суръати \(1/k\) кам шавад.

Дар таҷрибаи scaling-и контекст, \(k\) ба 4, 8, 12, 16, 24, 32 ва 48 тағйир дода шуд. Дар шароити тағйироти контекстуалӣ accuracy-и ICL бо андозаи контекст яксон афзоиш ёфт. Дар шароити сохторӣ низ мисолҳои бештар ба ICL кумак карданд, аммо он аз агенти IS, ки prior-и сохтории байни эпизодҳоро истифода мебарад, ақиб монд.

Теоремаи сеюм: Агенти гибридӣ ба кадом усул чӣ қадар вазн диҳад?

Бо фарзияи он ки IS ва ICL дар бораи вазифа иттилои шартан мустақил медиҳанд, коэффисиенти оптималии омехта:

\[ \alpha^{*}=\frac{I(z;D_{meta})}{I(z;D_{meta})+I(\phi;C)} \]

дода мешавад. \(I(z;D_{meta})\) mutual information байни сохтори пинҳонии IS ва додаи meta-training-ро; \(I(\phi;C)\) mutual information байни тағйирёбандаи муваққатии вазифаи ICL ва контекстро ифода мекунад.

• Агар иттилои сохторӣ бартарӣ дошта бошад, \(\alpha^{*}\) ба 1 наздик мешавад ва вазни IS меафзояд.
• Агар иттилои контекстуалӣ бартарӣ дошта бошад, \(\alpha^{*}\) ба 0 наздик мешавад ва вазни ICL меафзояд.

Агар шартан мустақилӣ иҷро нашавад, натиҷаи шакли пӯшида метавонад эътибор надошта бошад. Муҳаққиқон дар ин ҳолат шабакаи дарвозаи омӯхташударо истифода карданд, ки бо summary-и support set, ба монанди миёна, variance ва entropy-и синф, қимати \(\alpha\)-ро барои ҳар эпизод тахмин мекунад.

Мисоли истифодаи роботикӣ чиро мефаҳмонад?

Муҳаққиқон мисоли бозуи роботи ҳамкорро истифода мекунанд, ки объектҳои рангаи рӯи мизи муштаракро ба ҳадафҳои гуногун мебарад. Дар муҳити корхона вазни объект, соиш ва суръати тасма метавонад тағйир ёбад. Дар ошхона муҳити физикӣ собит монда, бинобар рецепт мувофиқати объект ба ҳадаф тағйир меёбад. Дар истгоҳи бастабандӣ бошад, ҳам шароити физикӣ ва ҳам маънои ҳадафҳо метавонанд якҷо тағйир ёбанд.

Агенти IS тағйирёбандаи пинҳонии \(z_t\)-ро, ки режими физикӣ ё майдони корро ифода мекунад, меомӯзад:

\[ p_{\theta}(s_{t+1}\mid s_t,a_t,z_t) \]

Сиёсат низ ба ҳолати ҷорӣ ва сохтори баровардашуда шарт карда мешавад:

\[ \pi_{\theta}(a_t\mid s_t,z_t)=\frac{\exp(Q_{\theta}(s_t,a_t,z_t)/\tau)}{\sum_{a'}\exp(Q_{\theta}(s_t,a',z_t)/\tau)} \]

\(\tau\) коэффисиенти ҳарорат аст, ки тасодуфияти тақсимоти амалро муайян мекунад. Агенти ICL бошад, аз чанд ҳаракати намунавӣ мувофиқати муваққатиро, ба монанди “объекти сурх ба ҳадафи A, объекти кабуд ба ҳадафи C”, мебарорад ва бидуни тағйир додани параметрҳои модел ҳадафи объекти навро пешгӯӣ мекунад.

Хати таҷриба чӣ гуна сохта шудааст?

Шакли 2 дар саҳифаи 10 pipeline-и таҷрибаро дар чор марҳила нишон медиҳад:

1. Агенти IS-и асосёфта ба MAML бо 1.500 эпизоди meta-training ва трансформери ICL бо 50.000 вазифаи таснифоти тасодуфӣ омӯзонида шуданд.
2. Агентҳо дар муҳитҳои тағйироти сохторӣ ва контекстуалӣ санҷида шуданд.
3. Дар ҳар эпизоди арзёбӣ ҳамон 24 мисоли support ва 120 мисоли query ба ҳар ду агент дода шуд.
4. Paired t-test, effect size-и Cohen \(d\), bootstrap confidence interval ва Bonferroni correction татбиқ шуданд.

Шакли 3 дар саҳифаи 11 муқоиса мекунад, ки агенти IS параметрҳояшро бо панҷ gradient step дар support set тағйир медиҳад, дар ҳоле ки агенти ICL бо параметрҳои яхкардашуда attention-ро ба пайдарпаии контекст татбиқ мекунад.

Тағйироти сохторӣ ва контекстуалӣ чӣ гуна ҷудо шудаанд?

Дар тағйироти сохторӣ матритсаи асосии собите вуҷуд дорад, ки ҳамаи эпизодҳо муштараканд:

\[ W_{ep}=W_{base}+\varepsilon,\qquad \varepsilon\sim\mathcal{N}(0,\sigma_{shift}^{2}I) \]

Дар ин муҳит ҳар вазифа версияи noisy-и ҳамон сохтори асосӣ аст. MAML метавонад сохтори \(W_{base}\)-ро байни эпизодҳо meta-learn кунад.

Дар тағйироти контекстуалӣ бошад:

\[ W_{ep}\sim\mathcal{N}(0,I) \]

барои ҳар эпизод матритсаи комилан нав тавлид мешавад. Азбаски базаи умумӣ вуҷуд надорад, prior-и байниэпизодии IS муфид нест; ICL mapping-и эпизодро аз мисолҳои support-и ҷорӣ мехонад.

Шакли 4 дар саҳифаи 13 ин фарқро бо панелҳои кабуди сохторӣ ва сурхи контекстуалӣ нишон медиҳад. Дар Шакли 5-и ҳамон саҳифа accuracy-и IS дар муҳити сохторӣ тақрибан 0,80 ва accuracy-и ICL тақрибан 0,58 аст. Дар Шакли 6, дар муҳити контекстуалӣ натиҷа баръакс шуда, accuracy-и миёнаи ICL аз IS болотар меравад.

Дар таҷрибаи роботи воқеӣ чӣ карда шуд?

Бозуи шашмеҳвари Niryo Ned3 Pro ба координатаҳои тасодуфии Cartesian дар майдони кори маҳдудшуда ҳаракат дода шуд:

• \(x\): 0,144-0,385 метр
• \(y\): -0,253 то 0,253 метр
• \(z\): 0,050-0,100 метр

Дар ҳар координата вектори мушоҳидаи 21-андоза сабт шуд:

• 6 кунҷи буғум — бо радиан
• 3 координатаи end-effector — бо метр
• Мавқеи нисбии сеченакаи 4 объект нисбат ба end-effector — ҷамъ 12 қимат, бо метр

Дар марҳилаи pilot, дар 80 эпизод бо ҳашт мушоҳида 640 ченкунӣ; дар марҳилаи пурра, дар 200 эпизод бо дувоздаҳ мушоҳида 2.400 ченкунӣ ҷамъоварӣ шуд. Таҷрибаи пурра тақрибан 3,3 соати кори роботро фаро гирифт; 120 эпизод барои омӯзиш ва 80 эпизод барои арзёбӣ истифода шуданд.

Нишонаҳои синф аз натиҷаи воқеии grasping, contact ё расидан ба ҳадаф гирифта нашуданд. Чор синфи ҳадаф бо projection-и хаттии зерин таъин шуданд:

\[ y=\arg\max(X_{real}W) \]

Дар шароити сохторӣ:

\[ W_i=W_{base}+\varepsilon_i,\qquad \varepsilon_i\sim\mathcal{N}(0,\sigma^{2}I),\quad \sigma=0{,}3 \]

ва дар шароити контекстуалӣ:

\[ W_i\sim\mathcal{N}(0,0{,}25I) \]

истифода шуд. Ин тарҳ месанҷад, ки noise-и сенсори воқеӣ ва correlations-и кинематикӣ фарқи IS-ICL-ро вайрон мекунанд ё не. Аммо ин таҷрибаи физикии ҳалқаи пӯшида нест, ки нишон диҳад робот воқеан ба ҳадафи пешгӯишуда ҳаракат карда, бо муваффақият расидааст.

Натиҷаи асосии таҳқиқот чист?

Дар таҷрибаи синтетикии асосӣ, дар зери тағйироти сохторӣ accuracy-и миёнаи агенти IS 0,795 ва агенти ICL 0,578 буд. Фарқ хеле калон аст: \(d=3{,}57\) ва \(p=3{,}1\times10^{-115}\).

Дар тағйироти контекстуалӣ ICL ба accuracy-и миёнаи 0,641 расид, дар ҳоле ки IS дар 0,561 монд. Effect size \(d=-0{,}99\), қимати ислоҳшудаи аҳамият \(p=2{,}9\times10^{-31}\) гузориш шуд. Effect size-и манфӣ фарқро ба нафъи ICL нишон медиҳад.

Дар симулятсияи 19-андозаи миқёси робот, бартарии сохторӣ боз ҳам калон шуд; IS accuracy-и 0,822 ва ICL 0,514 нишон дод. Дар шароити контекстуалӣ ICL 0,623 ва IS 0,548 accuracy гирифт.

Дар додаи роботи воқеӣ, барои шароити сохторӣ IS accuracy-и миёнаи 0,794 ва ICL 0,613 гирифт. Натиҷаи paired test \(t(79)=5{,}22\), \(p=1{,}42\times10^{-6}\), \(d=0{,}587\) гузориш шуд. Ин бартарии IS-и миёна ва аҳамиятнок аст.

Дар шароити контекстуалии додаи воқеӣ ICL accuracy-и 0,675 ва IS 0,609 нишон дод. Самт ба нафъи ICL буд, аммо фарқ аҳамиятнок нест: \(t(79)=-1{,}58\), \(p=0{,}117\), \(d=-0{,}178\).

Суст шудани натиҷаи контекстуалии роботи воқеӣ чӣ гуна шарҳ дода шуд?

Муҳаққиқон се сабаб пешниҳод мекунанд:

• Дар таҷрибаи роботи воқеӣ шумораи контекст \(k=8\), дар таҷрибаи синтетикии асосӣ бошад \(k=24\) буд. Мисолҳои камтар ба ICL барои ҳалли mapping-и нав иттилои камтар медиҳанд.
• Кунҷҳои буғум, мавқеи end-effector ва мавқеъҳои нисбии объектҳо кинематикӣ бо ҳам вобастаанд. Correlation метавонад миқдори иттилои мустақили ҳар мисоли контекстро кам кунад.
• Z-score normalization барои баробар кардани миқёсҳои радиан ва метр метавонад ҷудошавии байни синфҳоро фишурда кунад.

Дар назорати алоҳидаи синтетикӣ, ки андозаи контекст ба ҳашт кам карда шуд, effect size-и контекстуалии ICL аз \(-0{,}99\) то \(-0{,}41\) паст шуд, аммо ҳанӯз аҳамиятнок монд. Ин натиҷа таъсири шумораи контекстро дастгирӣ мекунад. Пастшавии иловагӣ дар додаи воқеӣ ба noise-и сенсор, correlation ва normalization нисбат дода шуд.

Агенти гибридӣ чиро нишон дод?

Logit-ҳои синфи IS ва ICL бо қоидаи зерин якҷо шуданд:

\[ \hat{y}=\arg\max_c[\alpha\,\ell_{IS}(c)+(1-\alpha)\,\ell_{ICL}(c)] \]

\(\alpha=1\) IS-и соф ва \(\alpha=0\) ICL-и софро маъно дорад. Дар Шакли 12 дар саҳифаи 15 дида мешавад, ки дар зери тағйироти сохторӣ бо зиёд шудани \(\alpha\) accuracy боло меравад, дар тағйироти контекстуалӣ бошад поён меравад. Шабакаи хурди gate, ки \(\alpha\)-ро аз статистикаи support set пешгӯӣ мекунад, вобаста ба навъи эпизод вазнҳои наздик ба IS-и соф ё ICL-и софро интихоб кард.

Ин натиҷа нишон медиҳад, ки як омехтаи собит дар ҳамаи шароит беҳтарин нест. Робот аввал бояд арзёбӣ кунад, ки тағйирот доимии сохторӣ аст ё муваққатии контекстуалӣ.

Меъмории сеқабатаи маърифатӣ чӣ гуна тарҳрезӣ шудааст?

Шакли 17 дар саҳифаи 22 меъмории консептуалиро нишон медиҳад, ки муҳаққиқон пешниҳод кардаанд, аммо end-to-end татбиқ накардаанд:

1. Модели Сохтории Ҷаҳон: Аз RGB-D тасвир, мавқеи буғум, қувва-момент ва ҳолати муҳит representation-и пинҳонии \(z_t\)-ро меомӯзад. Бо meta-update-ҳои суст динамикаи муҳит, affordances-и объект ва муносибатҳои доимиро ҷамъ мекунад.
2. Модули Истидлоли Контекстуалӣ: Трансформери vision-language-и яхкардашуда аз prefix-и сохтории \(z_t\) ва контексти ҷорӣ истифода бурда, дастурҳои нав, афзалиятҳои корбар ва мисолҳои вазифаро бе навсозии параметр тафсир мекунад.
3. Модули Қарор ва Назорат: Сиёсатҳои сохторӣ ва контекстуалиро бо gate-и омӯхташудаи \(\alpha_t\) якҷо мекунад.

Сиёсати ягона консептуалӣ чунин ифода мешавад:

\[ \pi(a_t\mid s_t,C_t)=\int\pi_{\theta}(a_t\mid s_t,z_t)\,q(z_t\mid D)\,q(\phi\mid C_t)\,dz_t\,d\phi \]

IS мисли хотираи дарозмуддат ва ICL мисли working memory кор мекунад. Аммо ин системаи сеқабата дар таҳқиқот дар роботи физикӣ end-to-end татбиқ ва муқоиса нашудааст; ин пешниҳоди тарҳест, ки аз натиҷаҳои таҷрибавӣ бароварда шудааст.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Дар таҷрибаҳои назоратшавандае, ки сохтори умумии такроршавандаи вазифа вуҷуд дорад, IS-и асосёфта ба MAML аз трансформери контекстӣ ба таври равшан муваффақтар аст.
• Дар шароити синтетикӣ, ки mapping-и вазифа дар ҳар эпизод комилан тағйир меёбад, ICL аз IS муваффақтар аст.
• Муваффақияти ICL бо зиёд шудани шумораи мисолҳои контекст боло меравад.
• Бартарии сохтории IS аз додаи синтетикии 12-андоза ба додаи робот-мисли 19-андоза ва ба додаи воқеии проприосептивии 21-андоза интиқол ёфт.
• Дар таҷрибаи таснифоти nonlinear низ самти бартариҳо нигоҳ дошта шуд.
• Дар панҷ random initialization-и гуногун самти effect-ҳои сохторӣ ва контекстуалӣ устувор монд.
• Шабакаи gate-и омӯхташуда тавонист дар шароити сохторӣ ва контекстуалӣ вазнҳои гуногуни IS-ICL-ро интихоб кунад.

Натиҷаҳое, ки таҳқиқот исбот намекунад

• Системаи пешниҳодшуда дар роботи воқеӣ муваффақияти closed-loop grasping, placing ё расидан ба ҳадафро нишон надодааст.
• Исбот нашудааст, ки label-ҳои синтетикии хаттӣ ҳамаи мураккабии вазифаҳои табиии роботиро ифода мекунанд.
• Бартарии контекстуалии ICL дар додаи роботи воқеӣ оморӣ тасдиқ нашудааст.
• Натиҷаҳо рафтори ҳамаи алгоритмҳои IS ё ICL-ро ифода намекунанд; танҳо MAML ва трансформери хурди тақрибан 415-417 ҳазор параметр муқоиса шудаанд.
• Меъмории гибридии сеқабата end-to-end татбиқ ва дар роботи физикӣ санҷида нашудааст.
• Фарзияҳои strongly convex ва монанди он дар ҳудудҳои назариявӣ дар системаҳои воқеии nonlinear роботӣ пурра тасдиқ нашудаанд.
• Таҳқиқот исбот намекунад, ки системаҳои ICL дар миқёси large language model ҳамон effect size-ҳоро нишон медиҳанд.
• Омӯзиши online-и дарозмуддат, амният, catastrophic forgetting ва хароҷоти ҳисоббарорӣ мустақиман чен нашудаанд.

Усул ва Натиҷаҳои Таҳқиқот

Меъмории агентҳо ва шароити омӯзиш

Outer loop-и агенти IS бо Adam ва learning rate 0,003, агенти ICL бо Adam ва learning rate \(10^{-3}\) омӯзонида шуд. Вазифаҳои синтетикии асосӣ 12-андозаи вуруд, чор синф, 24 мисоли support ва 120 мисоли query доштанд.

Доираи дувоздаҳ таҷриба

Натиҷаҳои асосии рақамӣ

Муқоиса бо усулҳои алтернативӣ

Муҳим аст, ки Ridge regression дар вазифаи хаттии контекстуалӣ accuracy-и каме болотар аз ICL нишон дод. Ин натиҷа нишон медиҳад, ки бартарии контекстуалии ICL маънои беҳтарин classifier буданро дар ҳар шароит надорад. Муқоисаи асосии таҳқиқот фарқи механизмӣ байни омӯзиши параметрҳо байни эпизодҳо ва хулосабарории контекстӣ дар дохили эпизод аст.

Multi-seed ва таҳлили оморӣ

Дар панҷ random initialization қимати миёнаи Cohen \(d\) барои сохторӣ \(3{,}65\pm0{,}24\) ва барои контекстуалӣ \(-0{,}99\pm0{,}05\) гузориш шуд. Дар муқоисаҳои асосӣ барои ҳар шароит paired t-tests дар 200 эпизод, bootstrap 95-фоизаи confidence interval бо 10.000 resampling ва Bonferroni correction истифода шуданд.

Дар таҷрибаи пурраи роботи воқеӣ, матни асосӣ ва Ҷадвали 5 равшан мегӯянд, ки 80 эпизоди нодири арзёбӣ истифода шудааст. Аммо Шакли 14 дар саҳифаи 19 300 эпизоди аз нав намунагиришудаи арзёбӣ ва қиматҳои дигари accuracy-ро нишон медиҳад. Ин визуал ва матни асосӣ як версияи таҷрибаро ифода намекунанд; ҳангоми тафсири натиҷаҳо 80 эпизоди нодири матни асосӣ бояд асос гирифта шавад.

Ҷиҳатҳои қавии таҳқиқот

• IS ва ICL-ро дар ҳамон додаҳои support ва query ба таври назоратшаванда муқоиса мекунад.
• Тағйироти сохторӣ ва контекстуалиро математикӣ равшан ҷудо мекунад.
• Барои андозаи контекст, noise, мураккабии вазифа, марзҳои nonlinear ва random initialization назоратҳои иловагӣ мегузаронад.
• Effect size, paired test, confidence interval ва multiple-comparison correction гузориш мекунад.
• Аз додаи синтетикӣ ба додаи сенсории роботи воқеӣ тасдиқи марҳилавӣ анҷом медиҳад.
• Дар таҷрибаи роботи воқеӣ ба ҳар ду агент ҳамон support ва query эпизодҳоро дода, муқоисаи одилона ташкил мекунад.
• Дар натиҷаҳо ва маҳдудиятҳо ошкоро эътироф мекунад, ки натиҷаи контекстуалии додаи воқеӣ аҳамиятнок нест.

Маҳдудиятҳо ва номувофиқиҳои матнӣ

• Таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта мебошад.
• Label-ҳои додаи роботи воқеӣ аз натиҷаи табиии физикӣ не, аз projection-и синтетикии хаттӣ тавлид шудаанд.
• Ҳаракати closed-loop, расидан ба ҳадаф, grasping ё placing муваффақияти робот арзёбӣ нашудааст.
• Фарқи ICL дар шароити контекстуалии роботи воқеӣ аҳамиятнок нест.
• Ифодаи умумии \(p<0{,}001\), \(d>0{,}9\) дар Abstract ва Highlights натиҷаи контекстуалии роботи воқеиро дар бар намегирад.
• Шакли 14 300 эпизоди resampled-и хатти таҷрибаи кӯҳна ё дигарро нишон медиҳад, дар ҳоле ки матни асосӣ 80 эпизоди нодир гузориш мекунад.
• Қиматҳои correlation дар матн 0,299 ва 0,303; ҳадди high correlation бошад 0,5 ва 0,8 ҳамчун ду шакли гуногун навишта шудааст.
• Байни ҳадди асосии Теоремаи якум ва error floor дар исботи иловагӣ аз рӯи коэффисиенти \(\eta\) номувофиқӣ вуҷуд дорад.
• Натиҷаҳои назариявӣ ба фарзияҳои қавӣ, ба монанди strongly convex, smoothness, approximate Bayesian inference ва conditional independence такя мекунанд.
• IS танҳо бо MAML ва ICL бо трансформери хурд намояндагӣ шудааст; world model, large language model ё Decision Transformer санҷида нашудаанд.
• Аксари вазифаҳо classification мебошанд; sequential decision making ва partial observability мустақиман санҷида нашудаанд.
• Меъмории сеқабатаи пешниҳодшуда консептуалӣ аст ва end-to-end дар робот тасдиқ нашудааст.

Ёддошт оид ба Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: Inferred-Structure and In-Context Learning: A Unified Bayesian Framework for Adaptive Robotic Intelligence in Real-world Settings

Муаллифон: Khashayar Ghamati; Abolfazl Zaraki.

Тартиби муаллифон: Khashayar Ghamati муаллифи аввал, Abolfazl Zaraki муаллифи дуюм аст.

Ҳаммуаллифи аввал: Маълумоти саҳми баробар ё ҳаммуаллифии аввал дар версияи баррасишуда вуҷуд надорад.

Муаллифи масъул: Khashayar Ghamati. Нишонаи ситора ва почтаи электронӣ дар матн муаллифи масъулро нишон медиҳанд.

Пайванди институтсионалӣ: School of Physics, Engineering and Computer Science (SPECS), Robotics Research Group, University of Hertfordshire, College Lane, Hatfield, AL10 9AB, United Kingdom.

ORCID: Khashayar Ghamati — 0009-0002-6416-3127; Abolfazl Zaraki — 0000-0001-6204-7865.

DOI:10.2139/ssrn.7193870

Маҷалла: Номи маҷаллаи аз арзёбии ҳамтоён гузашта дар версияи баррасишуда нест. Дар footer танҳо “Preprint submitted to Elsevier” навишта шудааст; ба кадом маҷалла фиристода шудааст, гуфта нашудааст.

Ношир: Маълумоти ниҳоии ношири аслӣ вуҷуд надорад. SSRN платформаи preprint аст ва набояд ношири ниҳоии маҷалла ҳисобида шавад.

Платформаи нашр: SSRN.

Соли нашр: 2026.

Навъи манбаъ: Preprint-и таҳқиқоти муҳандисӣ бо моделсозии назариявӣ, таҷрибаҳои назоратшавандаи синтетикӣ, таҳлили додаи миқёси робот ва додаи воқеии проприосептивии робот.

Ҳолати арзёбии ҳамтоён: Ин таҳқиқот preprint аст ва аз арзёбии ҳамтоён нагузаштааст. Натиҷаҳо бояд бо ин маҳдудият хонда шаванд.

Манбаи расмӣ:Сабти расмии таҳқиқот дар SSRN.

Ёддошти версия: Барои ҳамин сарлавҳа сабти кӯҳнаи SSRN бо рақами 6487278 низ индекс шудааст. Версияи баррасишуда равшан ба сабти 7193870 ишора мекунад; муносибати байни ду сабт дар матн шарҳ дода нашудааст.

Баёнияи дода ва код: Муҳаққиқон мегӯянд, ки маводи иловагӣ, source code, моделҳои омӯзонидашуда ва додаи таҷриба дар саҳифаи лоиҳаи таҳқиқот мавҷуданд. Ин баёния дар preprint-и баррасишуда ҳаст; дастрасии пурраи ҳамаи файлҳо ҳангоми омода кардани ин мақола ҷудогона аз ҷиҳати техникӣ тасдиқ нашудааст.

Ин тавзеҳи туркӣ бо баррасии матни таҳқиқоти 27-саҳифагӣ, ифодаҳои математикӣ, ҷадвалҳо, графикҳои таҷриба, тасвирҳои робот ва исботҳои иловагии теоремаҳо омода шудааст. Ба муҳтавои илмӣ ягон натиҷаи нави таҷриба ё даъвои муваффақият аз берун аз таҳқиқот илова нашудааст. Тасдиқи беруна танҳо барои санҷиши библиографии муаллиф, муассиса, DOI, сабти SSRN ва ҳолати нашр истифода шудааст.

Қисми роботи воқеии таҳқиқот механизмҳои омӯзишро дар додаи сенсории физикӣ муқоиса мекунад; нишон намедиҳад, ки робот вазифаи воқеии reaching, grasping ё placing-ро дар ҳалқаи пӯшида анҷом додааст. Меъмории сеқабатаи IS-ICL низ системаи ниҳоии роботии таҷрибавӣ татбиқшуда нест, балки пешниҳоди тарҳест, ки аз натиҷаҳо бароварда шудааст.