[
    {
        "id": "osp-18397",
        "type": "article-journal",
        "title": "ProactiveVLA: تعزيز الذاكرة المجسّدة عبر استكشاف استباقي للبيئة",
        "author": [
            {
                "family": "Tian",
                "given": "Shizuo"
            },
            {
                "family": "Luo",
                "given": "Haodong"
            },
            {
                "family": "Li",
                "given": "Yutong"
            },
            {
                "family": "Song",
                "given": "Yuebing"
            },
            {
                "family": "Liu",
                "given": "Yunxin"
            },
            {
                "family": "Li",
                "given": "Yuanchun"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/proactivevla-augmenting-embodied-memory-through-proactive-environment-exploration",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "يتطلب التكيف السريع مع بيئة جديدة أن يكتسب الروبوت معرفة مفيدة عن الأجسام المحلية والحالات والتفاعلات من خبرة محدودة. وتستطيع الأنظمة التي تجمع وكيل استدلال مع نموذج VLA مجمّد أن تتكيف عبر تغذية راجعة من التنفيذ والذاكرة، مما يجعل اختيار الخبرة محورياً لفعاليتها. وقد يحسّن التدريب المتكرر على المهمة المستهدفة حلاً مألوفاً، لكنه يترك تفاعلات أخرى ذات صلة بالظروف المتغيرة دون اختبار. نقدم ProactiveVLA، الذي يستخدم استكشاف البيئة الاستباقي لاكتساب معرفة قابلة لإعادة الاستخدام للتكيف وقت النشر. بعد إتمام مهمة أولية، يوزع الوكيل ميزانية التفاعل المتبقية على أهداف يقترحها بنفسه، تغطي قدرات الأجسام (affordances) والتفاعلات المغيرة للحالة وتركيبات التفاعلات. ويتحقق من نتائج التنفيذ، ويدمج الخبرة الموجهة للمهمة والخبرة الاستكشافية في ذاكرة توجه التخطيط والتحكم اللاحقين. يتفوق ProactiveVLA على خطوط الأساس تحت ميزانية الجولات نفسها في LIBERO-Pro وRoboCasa365 Composite-Seen. وعلى LIBERO-Pro Goal-T، ومع السماح بما يصل إلى استدعاء واحد لمكون VLA أولي أثناء التقييم، يُكمل ProactiveVLA 48% من الحالات، مقابل 19% لخط أساس تحسين المهام الرائد."
    }
]