اختراق من MIT يمكّن الروبوتات من استخدام أجسامها الكاملة للتلاعب بالأشياء

حقق باحثو معهد ماساتشوستس للتكنولوجيا (MIT) تحسناً كبيراً في قدرات التحكم الروبوتي. باستخدام تقنية ذكاء اصطناعي جديدة تسمى "التنعيم"، يمكن للروبوتات الآن أداء المهام باستخدام أجسامها بالكامل، وليس فقط بأطراف أصابعهم. يمكن لهذا الابتكار أن يحدث ثورة في كيفية استخدام الروبوتات في المصانع واستكشاف الفضاء والمجالات الأخرى.

تحديد تخطيط التحكم الغني بالاتصال

يُعد التحكم في الأجسام باستخدام الجسم بالكامل تحدياً هائلاً للروبوتات. يجب عليهم حساب مليارات نقاط الاتصال المحتملة على جسم ما لكل لمسة بأصابعهم أو أيديهم أو أذرعهم أو أجسادهم. هذه العملية، المعروفة باسم "تخطيط التحكم الغني بالاتصال"، مكلفة حسابياً وكانت عنق زجاجة للتطبيقات العملية. يدير البشر هذه المهام بحدسهم، لكنها تصبح معقدة بشكل ساحق بالنسبة للروبوتات.

الحل

لتبسيط المشكلة، طور باحثو MIT تقنية ذكاء اصطناعي جديدة تعتمد على "التنعيم"، والتي تدمج أحداث الاتصال العديدة في مجموعة أصغر وأكثر قابلية للإدارة من القرارات. يسمح هذا الابتكار حتى للخوارزميات الأساسية بتخطيط خطة تحكم فعالة للروبوت بكفاءة. 

«يُخفّي المتوسطات الملساء العديد من تلك القرارات غير المهمة والمتوسطة، تاركةً بضع قرارات مهمة»، قال هـ. ج. تيري سوه، طالب دراسات عليا في معهد ماساتشوستس للتكنولوجيا (MIT) والمؤلف المشارك للورقة المنشورة في مجلة IEEE Transactions on Robotics.

التعلم التعزيزي مقابل التنعيم

على الرغم من فعالية التعلم التعزيزي في مساعدة الروبوتات على أداء مهام معقدة، إلا أنه يتطلب قوة حاسوبية ووقتًا هائلين. ووفقًا لسوه، يتعلم النظام من خلال نظام «الصندوق الأسود» القائم على التجربة والخطأ، وغالبًا ما يستغرق «ملايين السنين من وقت المحاكاة» ليصبح فعالاً. 

ومع ذلك، يقدم التنعيم بديلاً. ومن خلال الفهم الدقيق للنموذج والمشكلة، تمكن الباحثون من إحداث كفاءة في العملية. يتيح التنعيم للروبوت التركيز على التفاعلات الأساسية مع الأجسام، مما يمكّنه من تخطيط المهام بسرعة وفعالية أكبر.

تحقيق الكفاءة والنهج المشترك

على الرغم من التقدم الذي أتاحه التنعيم، ظل البحث عبر العدد المخفض من القرارات يمثل تحدياً. ثم قام الباحثون بدمج نموذج التنعيم مع خوارزمية بحث، مما قلل وقت الحساب إلى حوالي دقيقة واحدة على جهاز كمبيوتر محمول قياسي.

اختبر الفريق نهجهم سواء في المحاكاة أو على أذرع روبوتية حقيقية، وحققوا أداءً يقارن بالتعلم التعزيزي ولكن في جزء بسيط من الوقت.

التطبيقات والآفاق

تأثيرات هذا البحث هائلة. في البيئات الصناعية، يمكن للمصانع استبدال الأذرع الروبوتية الكبيرة بروبوتات أصغر وأكثر تنقلاً تستخدم أجسامها بالكامل لأداء مهام التلاعب، مما يقلل من استهلاك الطاقة والتكاليف. 

بالإضافة إلى ذلك، قد تثبت هذه التقنية قيمتها لا غنى عنها لروبوتات الاستكشاف المرسلة إلى المريخ أو الأجرام السماوية الأخرى، حيث يكون التكيف السريع مع البيئات الجديدة أمراً حاسماً.

ومع ذلك، يعترف الباحثون بوجود قيود في التعامل مع المهام الديناميكية، مثل قدرة الروبوت على رمي جسم في سلة. يخطط الفريق لمواصلة تحسين نهجهم للتغلب على مثل هذه التحديات.

شدد سوه على أنه بدلاً من النظر إلى هذا النظام على أنه «صندوق أسود»، إذا استطعنا الاستفادة من بنية هذه الأنظمة الروبوتية باستخدام النماذج، فهناك فرصة لتسريع الإجراء بأكمله. 

تم تمويل العمل جزئياً من قبل أمازون، ومختبر لينكولن التابع لـ MIT، ومؤسسة العلوم الوطنية، ومجموعة أوكادو. ومع استمرار تطور تقنيات التلاعب الروبوتي في MIT، تفتح آفاقاً جديدة للروبوتات في مختلف القطاعات، مما يثبت أن الفهم العميق للمشكلة يمكن أن يؤدي إلى حلول مبتكرة.

مع مثل هذه التطورات، قد لا يكون بعيداً عن الواقع ظهور روبوتات تتعامل مع الأجسام بحدسية تشبه البشر.