مقاله‌ی arXiv:2610.21453 · در صف خبرنامه
CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance
هارنسی دوحلقه‌ای که ربات دستیار را شخصی‌سازی‌شده و ایمن‌تر می‌کند
- تاریخ
- (۲۳ مهر ۱۴۰۵) 2026-10-15 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Zixuan Wang, Yuqi Liu, Yuxin Chen, Sengqiao Yang, Jinhui Ye, Pengguang Chen, Changsheng Lu, Shu Liu, Bei Yu, Jiaya Jia
- نهاد نویسنده‌ها
- HKUST, CUHK, SmartMore
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
مدل‌های عمومی بینایی-زبان-عمل به ربات‌ها اجازه داده‌اند اشیای مختلف را در دنیای باز دست‌کاری کنند، اما دستیار رباتیک واقعی دو چیز دیگر هم لازم دارد. اول شخصی‌سازی: دستور «برایم ساندویچ درست کن» باید بر اساس ترجیح‌های همیشگی همان کاربر به قدم‌ها شکسته شود، نه با یک راه‌حل عمومی. دوم اجرای قابل اعتماد: ربات باید پیش از خطر جلوی آن را بگیرد و بعد از شکست‌های فیزیکی گاه‌به‌گاه، کار را از سر بگیرد.
روش
سیستم CarryOn یک هارنس دوحلقه‌ای است که روی یک سیاست ثابت بینایی-زبان-عمل سوار می‌شود. حلقه‌ی برنامه‌ریزی، کانتکست پایدار کاربر و صحنه را نگه می‌دارد، آن را با مشاهده‌های تازه تطبیق می‌دهد و در تعامل اصلاح می‌کند. حلقه‌ی اجرا، اجرای سیاست را زیر نظر دارد و جلوی عمل‌هایی را می‌گیرد که پیش‌بینی می‌شود به تماس خطرناک برسند. وقتی اجرا شکست می‌خورد، اسکیل‌های بازیابی قابل استفاده‌ی دوباره صدا زده می‌شوند که با بازتاب روی شکست‌های قبلی بهتر شده‌اند.
یافته‌ها
- روی ربات واقعی و در شبیه‌سازی، زیرتسک‌هایی متناسب با ترجیح هر کاربر و صحنه انتخاب کرد.
- نرخ نقض ایمنی یک مدل بینایی-زبان-عمل را که قبلاً برای ایمنی تنظیم شده بود، از ۵۲٫۶ به ۶٫۱ درصد رساند.
- با استفاده‌ی دوباره از اسکیل‌های بازیابی اصلاح‌شده، موفقیت بازیابی از ۱۳ به ۸۰ درصد رسید.
محدودیت‌ها
متن کامل بخش جداگانه‌ای برای محدودیت‌ها نداشت و چکیده هم محدودیتی ذکر نمی‌کند.
چرا مهم است
ربات دستیار خانگی باید هم کاربرش را بشناسد و هم خطرناک نباشد. این کار نشان می‌دهد هر دو را می‌شود با یک هارنس بیرونی و بدون آموزش دوباره‌ی سیاست اصلی به دست آورد، شبیه کاری که هارنس‌ها برای ایجنت‌های نرم‌افزاری می‌کنند.