طوّر باحثون في مختبر MIT للعلوم والحسابات الذكية بالتعاون مع معهد أبحاث تويوتا الروبوتية نظاماً جديداً يدعى سينسميث، يستهدف معالجة أحد أبرز العوائق التي تواجه تعلم الروبوتات، وهي ندرة البيانات الواقعية المتنوعة المطلوبة للتدريب. يعتمد النظام على وكلاء ذكاء اصطناعي متعددين تعمل بنسق تعاوني لتوليد بيئات افتراضية ثلاثية الأبعاد غنية بالتفاصيل وواقعية، تتيح للروبوتات اختبار مهاراتها وتدريبها قبل النشر في العالم الحقيقي. يعمل النظام عبر ثلاثة وكلاء مستقلة مرتبطة بنموذج لغوي بصري متقدم، حيث يقوم وكيل المصمم بترتيب العناصر الأساسية للمكان، وينقح وكيل النقد التكوين للتأكد من واقعيته ووظيفته، بينما يشرف وكيل المنسق على العملية النهائية ويقرر اكتمال المشهد. تسمح هذه الآلية بترجمة الأوامر النصية البسيطة إلى مشاهد معقدة تشمل أماكن عمل ومطابخ وغرف نوم، مع زيادة كثافة الأجسام القابلة للتفاعل في كل مشهد تصل إلى ستة أضعاف مقارنة بالأنظمة السابقة، إضافة إلى دمج الخصائص الفيزيائية الدقيقة مثل الكتلة والاحتكاك لكل عنصر. أظهرت التجارب أن البيئات المولدة تحقق واقعية عالية جداً وفقاً لتقييم الخبراء، وتنجح في نقل سياسات التحكم الروبوتية المُدرَّبة مسبقاً بنجاح داخل المحاكاة دون حاجة إلى تعديل يدوي مكثف. كما ساعد النظام في كشف نقاط الضعف في خطط الحركة الروبوتية قبل الاختبار الميداني، مما يقلل من الاعتماد على التجريب البدني المكلف ويستغرق وقتاً طويلاً. وقد قُدمت النتائج كعرض رئيسي في مؤتمر الآلة التعلمية الدولي الأخير. ورغم أن دقة المحاكاة وسهولة توليد المشاهد من نصوص تمثل قفزة نوعية، إلا أن العملية تتطلب ساعات لحظ واحد بسبب التقييم الدقيق المتكرر للوكلاء، وهو أمر يتوقع الباحثون تحسينه عبر البنية التحتية الحاسوبية المستقبلية. وتهدف الفرق البحثية إلى توسيع نطاق النظام ليشمل الأجسام القابلة للتشوه، مما يفتح آفاقاً جديدة لتطوير روبوتات أكثر كفاءة وقدرة على العمل في بيئات بشرية معقدة ومعيارية.