حل مكعب روبيك بكفاءة عبر التمثيلات المُتعلمة: بدون الحاجة إلى تقنيات بحث يدوية
2025-08-29
في الذكاء الاصطناعي الكلاسيكي، تعتمد الإدراك على تعلم التمثيلات المكانية، بينما يتم تحقيق التخطيط -الاستدلال الزمني على تسلسلات الإجراءات- عادةً من خلال البحث. يدرس هذا العمل التمثيلات التي تلتقط كل من البنية المكانية والزمانية. غالبًا ما يفشل التعلم التبايني الزمني القياسي بسبب الميزات الوهمية. يقدم المؤلفون تمثيلات تباينية للاستدلال الزمني (CRTR)، باستخدام أخذ العينات السلبية لإزالة هذه الميزات وتحسين الاستدلال الزمني. يتفوق CRTR في المهام الزمنية المعقدة مثل سوكوبان ومكعب روبيك، ويحل الأخير بشكل أسرع من BestFS (على الرغم من أن الحلول أطول). بشكل ملحوظ، هذا هو أول عرض لتقديم حل فعال لحالات مكعب روبيك التعسفية باستخدام التمثيلات المُتعلمة فقط، والقضاء على الحاجة إلى تقنيات البحث اليدوية.
اقرأ المزيد