Um grupo de pesquisadores do MIT apresentou uma abordagem h\u00edbrida baseada em IA generativa para planejar tarefas visuais de longo prazo, como navega\u00e7\u00e3o de rob\u00f4s. O m\u00e9todo combina modelos de vis\u00e3o e linguagem para interpretar cenas e simular a\u00e7\u00f5es.<\/p>\n
A segunda etapa transforma essas simula\u00e7\u00f5es em arquivos de defini\u00e7\u00e3o de dom\u00ednio e problema na linguagem de planejamento PDDL. Um solucionador cl\u00e1ssico gera o plano passo a passo, com refinamento via compara\u00e7\u00e3o com a simula\u00e7\u00e3o.<\/p>\n
O sistema, denominado VLMFP, utiliza dois modelos especializados. SimVLM descreve a cena e simula a\u00e7\u00f5es; GenVLM produz arquivos PDDL a partir dessas descri\u00e7\u00f5es e \u00e9 refinado pelo simulador.<\/p>\n
Segundo os pesquisadores, o VLMFP obteve taxa de sucesso m\u00e9dia de cerca de 70% em planos longos, o que supera as melhores t\u00e9cnicas de refer\u00eancia, em torno de 30%.<\/p>\n
Resultados mostram boa capacidade de generaliza\u00e7\u00e3o para problemas n\u00e3o vistos previamente, incluindo ambientes com mudan\u00e7as s\u00fabitas e tarefas de coopera\u00e7\u00e3o multirobot.<\/p>\n
Em tarefas 2D, o VLMFP alcan\u00e7ou cerca de 60% de sucesso; em cen\u00e1rios 3D, passou de 80%, com planos v\u00e1lidos em mais de 50% dos casos n\u00e3o vistos.<\/p>\n
Os autores destacam que o sistema pode se adaptar a novos problemas mantendo o dom\u00ednio est\u00e1vel, gra\u00e7as \u00e0 separa\u00e7\u00e3o entre descri\u00e7\u00e3o da cena e plano de a\u00e7\u00e3o.<\/p>\n
O trabalho foi apresentado na confer\u00eancia internacional sobre Representa\u00e7\u00f5es de Aprendizado (ICLR) e financiado, parcialmente, pelo MIT-IBM Watson AI Lab.<\/p>\n","protected":false},"excerpt":{"rendered":"