طوّر باحثون نظامًا جديدًا مدعومًا بالذكاء الاصطناعي يُسمى RHyME، يمكّن الروبوتات من تعلّم المهام المعقدة من خلال مشاهدة مقطع فيديو واحد فقط يتضمن عرضًا لأشخاص ينفذون مهام معينة. وبفضل RHyME، أصبحت الروبوتات قادرة على التكيف مع البيئة المحيطة وأداء المهام الجديدة بالاعتماد على المعرفة المكتسبة من مقاطع الفيديو السابقة.

وقد حققت الروبوتات المجهزة بهذا النظام زيادة في نجاح تنفيذ المهام بنسبة تزيد على 50% مقارنة بالأساليب السابقة؛ مما يمثل خطوة كبيرة نحو تطوير مساعدين آليين أذكى وأكثر قدرة على أداء المهام الجديدة.

إليك المزيد من التفاصيل عن هذا الابتكار التقني الجديد:

نظام RHyME لتحسين عملية تعليم الروبوتات 

تقليديًا، تحتاج الروبوتات الحركية التي تُستخدم في المصانع وأماكن العمل الأخرى والروبوتات المنزلية إلى تعليمات دقيقة تتضمن خطوات تفصيلية لإكمال أبسط المهام، وعادةً ما تتوقف عن العمل إذا واجهت مواقف غير متوقعة، مثل إسقاط أداة أو فقدان مسمار. ويعود السبب في ذلك إلى افتقار تلك الروبوتات إلى المهارات اللازمة للتعامل مع العالم المادي وتعقيداته اللامتناهية.

ومن أجل تسريع تعلم الروبوتات، طور باحثون من جامعة كورنيل (Cornell University) نظام عمل للروبوتات مدعوم بالذكاء الاصطناعي يُعرف باسم RHyME، وهو نظام يتيح للروبوتات تعلم أداء المهام من خلال مشاهدة مقطع فيديو تعليمي واحد فقط.

كلمة RHyME هي اختصار لجملة Retrieval for Hybrid Imitation under Mismatched Execution وتعني بالعربية (الاسترجاع لإجراء محاكاة هجينة وتنفيذ غير متطابق)، وفيما يلي توضيح تفصيلي للمعنى:

• Retrieval (الاسترجاع): يشير إلى عملية اختيار مقطع فيديو من قاعدة بيانات تحتوي على مقاطع فيديو لأشخاص يقومون بأداء مهمة معينة.

• Hybrid Imitation (المحاكاة الهجينة): تعني أن النظام لا يعتمد فقط على تقليد مباشر لما يفعله الإنسان، بل يمزج بين التقليد والتكيّف الذكي، إذ يستخدم مزيجًا من التعلم من مصدر خارجي والمراجعة الذاتية للتصرف بطريقة تناسب قدرات الروبوت.

• Mismatched Execution (التنفيذ غير المتطابق): يشير إلى التحدي الأساسي في مجال تعليم الروبوتات، وهو أن ما يستطيع الإنسان فعله جسديًا قد لا يتطابق تمامًا مع قدرات الروبوت (من حيث الشكل أو المهارات الحركية). لكن النظام  الجديد يتعامل مع هذا الاختلاف ليترجم المهام البشرية إلى سلوكيات آلية قابلة للتنفيذ.

يمكن أن يساهم نظام RHyME في تسريع تطوير ونشر الأنظمة الروبوتية من خلال تقليل الوقت والجهد والتكاليف اللازمة لتدريبها. ويأمل الباحثون من خلال هذا النهج، الذي يُعد فرعًا من التعلم الآلي ويُعرف باسم “التعلم عبر المحاكاة”، أن تتعلم الروبوتات تسلسل أداء المهام بسرعة أكبر من السابق وتتمكن من التكيف مع البيئات الواقعية.

وقال Kushal Kedia، طالب دكتوراه في مجال علوم الحاسوب وواحد من مؤلفي الورقة البحثية الخاصة بنظام RHyME: “من أكثر الأمور المزعجة في العمل مع الروبوتات هي الحاجة إلى جمع كميات كبيرة من البيانات للروبوت في أثناء أداء المهام المُختلفة. هذا ليس ما يفعله البشر، فنحن نراقب الآخرين ونستوحي منهم طرق أداء المهام”.

وقال Sanjiban Choudhury، المؤلف الرئيسي للورقة البحثية الخاصة بنظام RHyME: “عملنا يشبه الترجمة، فنحن نترجم مهمة معينة من الأداء البشري إلى الأداء الروبوتي”.

وقبل تطوير نظام RHyME واجه الباحثون بعض التحديات في أثناء تدريب الروبوتات، فحركات البشر تتم بسلاسة يصعب على الروبوتات تتبعها وتقليدها، كما أن تدريب الروبوتات عبر مقاطع الفيديو كان يتطلب سابقًا الكثير من مقاطع الفيديو.

وأشار الباحثون إلى أن مقاطع الفيديو التوضيحية التي تتضمن كيفية القيام ببعض المهام مثل التقاط منديل أو ترتيب أطباق الطعام، كانت بحاجة إلى تنفيذ بطيء ودقيق، وأي اختلاف بسيط في الحركات بين الإنسان والروبوت كان كافيًا لإفشال عملية التعلم بأكملها.

وقال Sanjiban Choudhury: “إذا تحرك الإنسان بطريقة تختلف ولو قليلًا عن حركة الروبوت، فإن الطريقة التقليدية كانت تنهار فورًا”. 

وتابع: “تساءلنا: هل يمكننا إيجاد طريقة منهجية للتعامل مع هذا الفرق بين أداء البشر والروبوتات؟، وكانت الإجابة هي RHyME، نظام قابل للتوسّع يجعل الروبوتات أقل تطلبًا وأكثر قدرة على التكيف؛ إذ يعزز هذا النظام قدرة الروبوتات على استخدام ذاكرتها وربط المعلومات ببعضها في أثناء أداء المهام التي شاهدتها مرة واحدة فقط، من خلال الرجوع إلى مكتبة مقاطع الفيديو المخزنة لديها”.

على سبيل المثال: إذا شاهد روبوت مزود بنظام RHyME مقطع فيديو يظهر فيه شخص يلتقط كوبًا من على مكتب ويضعه في حوض قريب، فسيبحث في ذاكرته المصورة عن مقطع مشابه، ويستلهم من الحركات التي شاهدها ويؤدي حركات مشابهة.

وقد أكد الباحثون أن RHyME يمهد الطريق أمام الروبوتات لتعلم تسلسل المهام المتعددة مع خفض كبير في كمية بيانات التدريب المطلوبة. وعندما اختبر الباحثون النظام الجديد، أظهرت الروبوتات المدربة عبر نظام RHyME تحسنًا بنسبة تفوق 50% في تنفيذ المهام بنجاح مقارنةً بالطرق التقليدية.

نسخ الرابط تم نسخ الرابط