اختراق من معهد ماساتشوستس للتكنولوجيا يُمكّن الروبوتات من استخدام أجسام كاملة للتلاعب بالأشياء

حقق باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) تحسيناتٍ ملحوظة في قدرات الروبوتات على التحكم بالأجسام. فباستخدام تقنية ذكاء اصطناعي جديدة تُسمى "التنعيم"، بات بإمكان الروبوتات الآن تنفيذ المهام باستخدام كامل أجسامها، بدلاً من أطراف أصابعها فقط. ويُمكن لهذا الابتكار أن يُحدث ثورةً في كيفية استخدام الروبوتات في المصانع، واستكشاف الفضاء، وغيرها من المجالات.

تحدي تخطيط التلاعب الغني بالاتصال

يمثل التعامل مع الأشياء باستخدام كامل الجسم تحديًا هائلاً للروبوتات. إذ يجب عليها مراعاة مليارات نقاط التلامس المحتملة على الجسم في كل لمسة بأصابعها وأيديها وأذرعها وجذعها. هذه العملية، المعروفة باسم "تخطيط التلاعب الغني بالتلامس"، مكلفة حسابيًا، وقد شكلت عائقًا أمام التطبيقات العملية. بينما يُدير البشر هذه المهام بشكلٍ بديهي، إلا أنها تصبح بالغة التعقيد بالنسبة للروبوتات.

الحل

لتبسيط المشكلة، طوّر باحثون من معهد ماساتشوستس للتكنولوجيا تقنية ذكاء اصطناعي جديدة تعتمد على "التنعيم"، والتي تُكثّف أحداث التلامس العديدة إلى مجموعة أصغر وأسهل في التعامل معها من القرارات. يُمكّن هذا الابتكار حتى الخوارزميات الأساسية من وضع خطة فعّالة للتحكم في الروبوت بكفاءة. 

"إن عملية التنعيم تزيل العديد من تلك القرارات الوسيطة غير المهمة، تاركة عددًا قليلاً من القرارات المهمة"، كما قال إتش جيه تيري سوه، وهوdent دراسات عليا في معهد ماساتشوستس للتكنولوجيا والمؤلف المشارك الرئيسي للورقة البحثية المنشورة في مجلة IEEE Transactions on Robotics.

التعلم المعزز مقابل التنعيم

رغم فعالية التعلم المعزز في مساعدة الروبوتات على أداء مهام معقدة، إلا أنه يتطلب قدرة حاسوبية هائلة ووقتاً طويلاً. ووفقاً لسوه، فإنه يتعلم من خلال نظام "صندوق أسود" يعتمد على التجربة والخطأ، وغالباً ما يستغرق "ملايين السنين من وقت المحاكاة" ليصبح فعالاً. 

لكنّ التنعيم يُقدّم بديلاً. فمن خلال فهم النموذج والمشكلة بدقة، تمكّن الباحثون من تحسين كفاءة العملية. يسمح التنعيم للروبوت بالتركيز على التفاعلات الأساسية مع الأشياء، مما يُتيح تخطيطًا أسرع وأكثر فعالية للمهام.

تحقيق الكفاءة والنهج المشترك

على الرغم من التقدم المحرز في مجال التنعيم، إلا أن البحث حتى في العدد المحدود من القرارات ظل يمثل تحديًا. ولذلك، قام الباحثون بدمج نموذج التنعيم مع خوارزمية بحث، مما قلل وقت الحساب إلى حوالي دقيقة واحدة على جهاز كمبيوتر محمول عادي.

قام الفريق باختبار نهجهم في عمليات المحاكاة وعلى أذرع روبوتية حقيقية، وحقق أداءً مماثلاً للتعلم المعزز ولكن في جزء صغير من الوقت.

التطبيقات والآفاق

إن آثار هذا البحث هائلة. ففي البيئات الصناعية، يمكن للمصانع استبدال الأذرع الروبوتية الكبيرة بروبوتات أصغر حجماً وأكثر قدرة على الحركة تستخدم أجسامها بالكامل في مهام المناولة، مما يقلل من استهلاك الطاقة والتكلفة. 

بالإضافة إلى ذلك، يمكن أن تثبت هذه التقنية أنها لا تقدر بثمن بالنسبة لروبوتات الاستكشاف التي يتم إرسالها إلى المريخ أو الأجرام السماوية الأخرى، حيث يعد التكيف السريع مع البيئات الجديدة أمرًا بالغ الأهمية.

مع ذلك، يُقرّ الباحثون بوجود قيود في التعامل مع المهام الديناميكية، مثل قدرة الروبوت على إلقاء جسم في حاوية. ويعتزم الفريق مواصلة تطوير منهجهم لمواجهة هذه التحديات.

أكد سوه أنه بدلاً من التفكير في هذا كنظام "صندوق أسود"، إذا استطعنا الاستفادة من بنية هذه الأنواع من الأنظمة الروبوتية باستخدام النماذج، فهناك فرصة لتسريع العملية بأكملها. 

ساهمت كل من أمازون، ومختبر لينكولن التابع لمعهد ماساتشوستس للتكنولوجيا، والمؤسسة الوطنية للعلوم، ومجموعة أوكادو في تمويل هذا العمل. ومع استمرار تطور تقنيات المعالجة الروبوتية في معهد ماساتشوستس للتكنولوجيا، فإنها تفتح آفاقًا جديدة للروبوتات في مختلف القطاعات، مما يثبت أن الفهم العميق للمشكلة يمكن أن يؤدي إلى حلول مبتكرة.

مع هذه التطورات، قد لا تكون الروبوتات التي تتلاعب بالأشياء بشكل بديهي مثل البشر بعيدة عن الواقع.