Új Social-Mamba modell a tömeges környezetekben való navigációhoz
Az új architektúra a szociális interakciókat strukturált szekvenciális folyamatokként értelmezi újra, ami jelentősen növeli a számítási hatékonyságot.
A zsúfolt környezetben történő biztonságos navigációhoz elengedhetetlen az emberi mozgások pontos előrejelzése, amelynek során a modelleknek egyensúlyt kell tartaniuk a pontosság és a számítási hatékonyság között — írja egy friss arXiv tanulmány.
A legtöbb jelenlegi módszer az úgynevezett figyelmi mechanizmusokra (attention mechanisms) támaszkodik, amelyek jól rögzítik a komplex függőségeket, de négyzetes számítási költséget jelentenek, ami rosszul skálázódik a szomszédok számának növekedésével. A szelektív állapot-tér modellek (Selective State-Space Models) lineáris idejű alternatívát kínálnak, de szekvenciális kialakításuk nem illeszkedik a szociális interakciók dinamikus természetéhez.
Ezt a kihívást oldja meg a Social-Mamba, egy új előrejelző architektúra. A modell magja a Cycle Mamba blokk, egy újszerű modul, amely folyamatos kétirányú információáramlást tesz lehetővé, miközben a robotok egocentrikus nézetben szervezik az ügynököket.