Optimal Control Strategies for Multi-Agent Sheep Herding

تخيل عالماً لا تكتفي فيه بمجرد لعب لعبة فيديو، بل تقوم فعلياً ببرمجة فيزياء كيفية تحرك الأشياء. هذا هو مجال التحكم الأمثل (Optimal Control)، وهو فرع من العلوم الذي يطرح سؤالاً بسيطاً ولكنه شائك: "ما هي أفضل طريقة ممكنة لتحريك مجموعة من الأشياء من النقطة (أ) إلى الأصل؟". فكر في الأمر كأنك قائد أوركسترا، ولكن بدلاً من الكمان والفل flute، أنت توجه روبوتات، أو طائرات بدون طيار، أو حتى سيارات ذاتية القيادة. الهدف هو إيجاد مجموعة مثالية من التعليمات (أو "التحكمات") التي توصل الجميع إلى وجهتهم دون الاصطدام، أو هدر الطاقة، أو الضياع.

في هذه القصة تحديداً، "الموسيقيون" هم قطيع من الأغنام، و"القادة" هم مجموعة من الكلاب. التحدي لا يقتصر فقط على إيصال الأغنام إلى الحظيرة؛ بل يكمن في معرفة المسار المثالي الذي يجب أن تسلكه الكلاب. تعتمد الورقة البحثية على بعض الأفكاء الرئيسية: معادلات فضاء الحالة (State-space equations)، وهي مجرد خرائط رياضية معقدة تتبع مكان كل حيوان وسرعته في كل لحظة؛ دوال التكلفة (Cost functionals)، وهي تشبه لوحة تسجيل النقاط التي تمنح نقاطاً للسلوك الجيد (إيصال الأغنام للمنزل) وتخصم نقاطاً للسلوك السيئ (الترنح كثيراً أو الابتعاد كثيراً عن المركز)؛ والديناميكيات غير الخطية (Nonlinear dynamics)، التي تصف كيف يصبح العالم فوضوياً وغير متوقع عندما تقترب الأشياء من بعضها، مثل حالة ذعر الخروف وجريه بسرعة إذا اقترب منه كلب. لماذا يهتم أحد بذلك؟ لأن الرياضيات الكامنة وراء رعي الأغنام تشبه بشكل مدهش الرياضيات المطلوبة لتوجيه روبوتات الإنقاذ عبر مبنى منهار، أو احتواء تسرب نفطي، أو حتى توجيه الجسيمات المشحونة في مسرع الجسيمات. إذا استطعنا تعلم كيفية رعي الأغنام بكفاءة، فقد نتمكن من إنقاذ الأرواح أو معالجة الكوارث.

---

محاكاة رعي الأغنام العظيمة

لذا، قرر فريق من الباحثين من جامعة بريغهام يونغ وبعض المدارس الأخرى معالجة السؤال القديم: "كم عدد الكلاب التي أحتاجها لرعي هذا العدد من الأغنام، وما هو المسار المثالي الذي يجب أن يسلكوه؟". لم يستخدموا كلاباً حقيقية أو أغناماً حقيقية (لأن ذلك سيكون فوضوياً بعض الشيء بالنسبة لورقة بحثية رياضية). بدلاً من ذلك، بنوا ساحة لعب رقمية باستخدام نموذج حاسوبي.

في المحاكاة الخاصة بهم، الأغنام مخلوقات عنيدة. لديها قاعدة واحدة: "ابتعد عن الكلاب!". إذا اقترب كلب، تتسارع الغنم بعيداً. تصور الورقة هذا التسارع بأنه يتناسب مع قانون كولوم (Coulomb's law) للجسيمات ذات الشحنات المتشابهة. هذا يعني أن القوة التي تدفع الغنم بعيداً تشبه رياضياً كيف تتنافر جسيمان لهما نفس الشحنة الكهربائية، حيث تزداد القوة كلما اقتربا من بعضهما. أما الكلاب، فهي الطرف الذكي؛ حيث يتم التحكم فيها بواسطة خوارزمية حاسوبية تحاول تقليل "التكلفة". هذه التكلفة هي مزيج من ثلاثة أشياء: إبقاء الأغنام قريبة من الأصل (الحظيرة)، وإبقاء الكلاب قريبة من الأصل، وعدم استخدام الكثير من الطاقة (التسارع). الهدف هو إيجاد التوازن المثالي حيث ترعى الكلاب الأغنام نحو المنزل بكفاءة دون استنزاف طاقتها.

المحاولة الأولى: صراع "التخمين والتحقق"

استخدم الفريق استراتيجيتهم الأولى باستخدام أداة رياضية قوية تسمى solve_bvp (وهي اختصار لـ مسألة القيمة الحدية - Boundary Value Problem). تخيل أنك تحاول حل متاهة عن طريق تخمين المسار بأكمله دفعة واحدة، ثم التحقق مما إذا كنت قد اصطدمت بالجدران، وتعديل تخمينك حتى تصيب الهدف. حاولوا تغذية هذه الأداة بالقواعد المعقدة للأغنام والكلاب.

في البداية، كانت النتيجة كارثية. كان الحاسوب يستمر في التعثر، عاجزاً عن إيجاد مسار يعمل، خاصة عندما أضافوا المزيد من الحيوانات. كان النظام كبيراً وفوضوياً للغاية (غير خطي) بحيث يصعب على الأداة التعامل معه بسهولة. كان الأمر يشبه محاولة حل مكعب روبيك يغير ألوانه في كل مرة تلمسه. ومع ذلك، لم يستسلم الفريق؛ فقد أدركوا أنه إذا أعطوا الحاسوب "بداية جيدة" (تخمين أولي ذكي) وقاموا بضبط الإعدادات بدقة، يمكن للأداة أن تعمل بالفعل.

وجدوا أنه إذا أمروا الكلاب بالبدء في دائرة حول الأغنام والتحرك في منحنى سلس ومحدد، يمكن للحاسوب أخيراً إيجاد الحل. حتى أنهم اضطروا لتغيير كيفية تقييم أداء الكلاب؛ فبدلاً من إجبار الكلاب على الانتهاء في نقطة محددة، سمحوا لها بالانتهاء في أي مكان على دائرة، مما منحها حرية أكبر لإيجاد مسار جيد. مع هذه التعديلات، نجحوا في محاكاة سيناريو به كلبان وخروف واحد، حيث شاهدوا الكلاب وهي تدور ببراعة وتدفع الخروف نحو الحظيرة.

المحاولة الثانية: "الاختصار الخطي"

بعد ذلك، جرب الفريق نهجاً مختلفاً يسمى المنظم التربيعي الخطي (Linear Quadratic Regulator - LQR). هذا يشبه محاولة حل مشكلة معقدة عبر التظاهر بأن العالم بسيط ومستقيم. افترضوا أن رد فعل الأغنام تجاه الكلاب هو خط سلس ومتوقع، وليس منحنى متعرجاً وعشوائياً. عادة ما يكون هذا الأسلوب أسرع بكثير ويمكنه التعامل مع عدد أكبر من الحيوانات في وقت واحد.

وقد نجح الأمر... إلى حد كبير. لقد نجحوا في محاكاة سيناريوهات تضم 4 كلاب و3 أغنام. استطاعت الكلاب عموماً رعي القطيع نحو الهدف. لكن كان هناك ثغرة: "الاختصار الخطي" انهار عندما اقتربت الكلاب والأغنام من بعضها البعض.

فكر في الأمر كقيادة سيارة؛ إذا كنت بعيداً عن المنعطف، يمكنك افتراض أن الطريق مستقيم والقيادة بسهولة، ولكن بمجرد اقترابك من المنعطف الحاد، يفشل هذا الافتراض وقد تصطدم. في المحاكاة، عندما اقتربت الكلاب من الأغنام، أصبح رد فعل "الذعر" لدى الأغنام قوياً وغير متوقع للغاية. لم تستطع الرياضيات الخطية التعامل مع هذه القفزة المفاجئة. ونتيجة لذلك، بدأت الكلاب في المحاكاة تتصرف بغرابة؛ حيث كانت تحوم فوق الأغنام، وتتحرك ذهاباً وإياباً في حلقات صغيرة عديمة الفائدة، أو تظل عالقة فوق الأغنام، غير قادرة على دفعها للأمام.

ساءت هذه المشكلة أكثر عندما كان عدد الأغنام أكبر من عدد الكلاب. شعرت الكلاب بالارتباك، ولم تستطع الرياضيات تنسيق حركتها بفعالية. أظهرت المحاكاة أنه بينما يعد أسلوب "الاختصار" هذا رائعاً في المساحات المفتوحة والسلسة، فإنه يعاني عندما تكون الحيوانات مزدحمة والتفاعلات شديدة.

الخلاصة

تخلص الورقة البحثية إلى أنه بينما يمكننا محاكاة استراتيجية الرعي المثالية، إلا أن الأمر ليس سهلاً. إن طريقة "التخمين والتحقق" (solve_bvp) تعمل جيداً مع المجموعات الصغيرة إذا كنت حذراً جداً في تخميناتك الأولية، لكنها تصبح بطيئة وفوضوية مع إضافة المزيد من الحيوانات. أما أسلوب "الاختصار" (LQR) فهو أسرع ويتعامل مع مجموعات أكبر، ولكنه يفشل عندما تقترب الحيوانات من بعضها البعض لأنه لا يستطيع التعامل مع التغيرات السلوكية المفاجئة والجامحة.

لم يجد الباحثون "زراً سحرياً" يحل المشكلة لكل عدد ممكن من الكلاب والأغنام. بدلاً من ذلك، أظهروا أن الأدوات الرياضية القياسية لها حدود. فعندما تصبح الأمور مزدحمة وفوضوية، لا تكفي الرياضيات الخطية البسيطة، ونحن بحاجة إلى استراتيجيات غير خطية أكثر قوة لإبقاء القطيع في حالة حركة. لقد أثبتوا بنجاح أنه مع القدر الكافي من الضبط، يمكننا جعل الحواسيب تفهم كيفية رعي الأغنام في المحاكاة، لكن الطريق نحو حل مثالي وقابل للتوسع لا يزال قيد التطوير.