חיפוש בחדשות

**הכללה קומפוזיציונית ברובוטים היא היכולת של מודל לבצע משימה חדשה באמצעות שילוב מיומנויות שנלמדו בנפרד.** זה בדיוק מה ש-Physical Intelligence טוענת שהמודל π0.7 שלה מתחיל להראות: לפי הדיווח, אחרי כ-30 דקות של שיפור ניסוח ההוראות, ניסוי אחד קפץ מ-5% הצלחה ל-95%. מבחינת עסקים בישראל, המשמעות אינה שרובוטים אוטונומיים מלאים ייכנסו מחר למשרד או למחסן. המשמעות היא ששכבת ההנחיה, ה-API והחיבור למערכות כמו Zoho CRM, WhatsApp Business API ו-N8N הופכת קריטית. מי שיכינו היום תהליכים מדויקים, נתונים מסודרים ובקרת הרשאות, יהיו הראשונים לנצל בעתיד מערכות שמבינות משימות חדשות בלי אימון ייעודי לכל פעולה.

QD-MAPPER הוא מחקר שמציע דרך טובה יותר להשוות אלגוריתמי Multi-Agent Path Finding: במקום לבדוק אותם על כמה מפות ידניות, הוא מייצר מגוון רחב של מפות ודפוסים כדי לחשוף איפה כל אלגוריתם מצליח או נכשל. לפי תקציר המאמר, המסגרת משלבת Quality Diversity עם Neural Cellular Automata ומשווה בין גישות כמו search-based, rule-based ו-learning-based. עבור עסקים בישראל, המשמעות רחבה יותר מרובוטיקה: כל מערכת שמקבלת החלטות תחת עומס — ממחסן אוטונומי ועד אוטומציה עם N8N, Zoho CRM ו-WhatsApp Business API — צריכה להיבדק על תרחישי קצה, לא רק על דמו נוח.