Yapay zeka alanında önemli bir gelişme yaşanırken, robotların görsel hedeflere navigasyonunda devrim niteliğinde yeni bir yaklaşım ortaya çıktı. Araştırmacıların geliştirdiği 'Hierarchical Reasoning Navigation' (HRNav) sistemi, insan zihninin karmaşık görevlerde nasıl çalıştığından ilham alıyor.
Geleneksel image-goal navigasyon yöntemleri, robotlara bir hedef görüntü gösterip o konuma ulaşmalarını istiyor. Ancak mevcut sistemler genellikle hedef ve gözlem görüntülerini basitçe karşılaştırarak doğrudan hareket kararları veriyor. Bu yaklaşım, hedef uzakta olduğunda ya da başka bir odada bulunduğunda yetersiz kalıyor ve robotlar çevrede amaçsızca dolaşmaya başlıyor.
HRNav sistemi ise bu sorunu, navigasyonu iki ayrı seviyeye bölerek çözüyor. İlk aşamada yüksek seviyeli planlama yapan sistem, 'kapıdan geçmeli mi yoksa koridordan mı yürümeli' gibi genel stratejik kararlar alıyor. Bu aşamada görsel-dil modelleri kullanılarak kısa vadeli planlar oluşturuluyor. İkinci aşamada ise düşük seviyeli yürütme devreye giriyor ve bu genel plan somut hareketlere dönüştürülüyor.
Bu yaklaşım, özellikle karmaşık iç mekan ortamlarında robotların daha akıllı ve hedef odaklı hareket etmesini sağlıyor. Sistem, uzak hedefler için bile görsel ipuçlarını daha etkili şekilde değerlendirerek robotların kaybolma riskini minimize ediyor.