Investigadores surcoreanos: La arquitectura de memoria del robot, no los LLM más avanzados, eleva el éxito de las tareas en 24 puntos

Investigadores surcoreanos: La arquitectura de memoria del robot, no los LLM más avanzados, eleva el éxito de las tareas en 24 puntos

Los investigadores surcoreanos presentaron SceneQueryPlanner, un sistema de inteligencia artificial de código abierto que mejora significativamente el éxito de las tareas de los robots de servicio al reestructurar la forma en que los agentes manejan la memoria espacial. Al reemplazar los contextos de texto no estructurado por un grafo de escena 3D persistente y consultable, el sistema evita que los modelos de lenguaje grandes alucinen detalles basándose en priores generales de entrenamiento. En lugar de asumir las propiedades de los objetos, los robots recuperan atributos específicos y verificados de su entorno observado, anclando efectivamente su razonamiento en la realidad. Este cambio arquitectónico demuestra que el razonamiento encarnado confiable depende más de la gestión de la memoria que del tamaño del modelo de lenguaje subyacente. Al implementar un mecanismo de recuperación selectiva análogo a la Generación Aumentada por Recuperación (RAG), los robots pueden acceder únicamente a los datos espaciales relevantes necesarios para cada paso de la tarea. Este enfoque elimina el ruido y las limitaciones de contexto que afectan a los métodos tradicionales, permitiendo a los agentes planificar con mayor precisión y verificar sus suposiciones antes de actuar en escenarios complejos y multietapa. Este desarrollo es altamente relevante para la comunidad de open_data, ya que valida la necesidad de representaciones de datos estructuradas y consultables para habilitar sistemas autónomos inteligentes. La publicación del código fuente y la benchmark AttPlan-Bench proporciona a la comunidad herramientas esenciales para evaluar y mejorar las arquitecturas de memoria de los robots. Destaca un cambio desde el almacenamiento pasivo de datos hacia bases de conocimiento activas y estructuradas, ofreciendo un marco replicable para mejorar la fiabilidad de la IA en entornos físicos del mundo real.

Noticias relacionadas

• ¿Las reglas del DPDP afectan el trabajo de los medios? La SC busca la respuesta del gobierno
• LLM de supervivencia: una IA que sigue funcionando cuando no hay internet
• Los obispos de EE. UU. instan al Censo a retirar los cambios propuestos en la normativa
• Empresas noruegas de medios demandan a Meta por los términos de extracción de datos con IA
• El RGI ordena a los estados y territorios de la unión no publicar los datos provisionales del censo a la prensa