From Legible to Inscrutable Trajectories: (Il)legible Motion Planning Accounting for Multiple Observers

تخيل روبوتًا يتحرك عبر أرضية مصنع مزدحمة أو ممر مستشفى. إنه ليس مجرد آلة تتبع مجموعة من التعليمات؛ بل هو فاعل اجتماعي. في كل مرة ينعطف فيها، أو يتوقف، أو يزيد من سرعته، فإنه يرسل رسالة صامتة إلى الأشخاص والآلات الأخرى من حوله. في مجال الروبوتات، يُعرف هذا التواصل الصامت باسم "الوضوح" (legibility). المسار الواضح هو المسار الذي يسمح للمراقب بتخمين وجهة الروبوت بسرعة وبشكل صحيح. إذا تحرك الروبوت بطريقة تجعل وجهته واضحة، فإنه يساعد البشر على التنسيق معه بأمان. لكن القواعد تتغير اعتمادًا على من يراقب. في البيئات التعاونية، مثل المستودعات حيث يعمل البشر والروبوتات معًا، يجب أن يكون الروبوت واضحًا قدر الإمكان. أما في البيئات التنافسية أو العدائية، مثل العمليات العسكرية أو الألعاب، فقد يحتاج الروبوت إلى إخفاء وجهته الحقيقية لمنع الخصم من التنبؤ بحركته التالية. وهذا يخلق لغزًا معقدًا: ماذا يحدث عندما يجب أن يكون الروبوت واضحًا لشخص ما بينما يظل خفيًا عن شخص آخر، كل ذلك أثناء التنقل حول الجدران التي تحجب رؤية البعض دون غيرهم؟

لقد تصدى الباحثون في جامعة إلينوي في أوربانا-تشامبين لهذا التحدي بالضبط من خلال تقديم مشكلة جديدة أطلقوا عليها اسم "تخطيط حركة الروبوت الواضحة في ظل مراقبة محدودة ودوافع مختلطة". في عملهم، يصفون سيناريو يجب فيه على الروبوت تخطيط مسار واحد يلبي مطلبين متضاربين. فهو يحتاج أن يكون مفهومًا بسهولة للمراقبين "الإيجابيين" — أولئك الودودين أو المتعاونين — بينما يكون في الوقت نفسه مربكًا أو مضللاً للمراقبين "السلبيين"، الذين قد يكونون خصومًا. وما يزيد الأمر تعقيدًا هو أن هؤلاء المراقبين لا يرون جميعًا الشيء نفسه؛ فقد يرى بعضهم زاوية صغيرة فقط من الغرفة، أو قد تكون رؤيتهم محجوبة بالعوائق. طور الباحثون أداة برمجية جديدة، أطلقوا عليها اسم "محسن المسار" (trajectory optimizer)، لحل هذه المشكلة. تعمل هذه الأداة كمحسن للمسار، حيث تحسب المسار الدقيق الذي يجب أن يسلكه الروبوت لموازنة هذه الاحتياجات المتنافسة. وبدلاً من محاولة أن يكون واضحًا للجميع أو خفيًا عن الجميع، يكتشف محسن المسار كيفية أن يكون واضحًا للأشخاص المناسبين وغير واضح للأشخاص الخطأ، بناءً على ما يمكن لكل شخص رؤيته بالفعل.

لفهم كيفية عمل ذلك، تأمل في الاستراتيجيتين الرئيسيتين اللتين يمكن للروبوت استخدامهما عند التعامل مع مراقب سلبي. الاستراتيجية الأولى هي استراتيجية "التمويه" (decoy)؛ وهنا، يتحرك الروبوت عمدًا نحو وجهة وهمية، مما يجعل المراقب يعتقد أنه ذاهب إلى هناك، ولا ينعطف نحو هدفه الحقيقي إلا في اللحظة الأخيرة الممكنة. وتكون هذه الطريقة فعالة عندما يريد الروبوت تضليل خصم ما بنشاط. أما الاستراتيجية الثانية فهي نهج "الغموض" أو التجنب؛ وفي هذه الحالة، يحاول الروبوت تقليل الوقت الذي يقضيه في خط نظر المراقب السلبي، أو يتحرك بطريقة تجعل جميع الوجهات المحتملة تبدو متساوية الاحتمالية، بحيث لا يستطيع المراقب تخمين الهدف الحقيقي. وقد وجد الباحثون أن الخيار الأفضل يعتمد كليًا على تخطيط الغرفة ودوافع الأشخاص الذين يراقبون. فإذا كان هناك مراقب ودود وآخر غير ودود يقفان في نفس المكان، فعلى الروبوت أن يزن أهمية كل منهما. إذا كان المراقب الودود أكثر أهمية، فسيمنح الروبوت الأولوية للوضوح له، حتى لو عنى ذلك أن يرى المراقب غير الودود المزيد. أما إذا كان المراقب غير الودود أكثر خطورة، فقد يختار الروبوت الاختباء تمامًا أو استخدام التمويه، حتى لو جعل ذلك المسار أقل وضوحًا للمراقب الودود.

اختبر الفريق نظامهم في بيئات محاكاة متنوعة لمعرفة مدى كفاءة محسن المسار. في أحد السيناريوهات، كان على الروبوت أن يكون واضحًا لمراقب ودود في المنطقة الخضراء وخفيًا عن مراقب غير ودود في المنطقة الحمراء. نجحت البرمجية في إنشاء مسارات تنحني عبر المنطقة الخضراء لإظهار نواياه بوضوح، بينما تتسلل بعيدًا عن المنطقة الحمراء تمامًا أو تتحرك بطريقة تربك المراقب في المنطقة الحمراء. وفي اختبار آخر، وضع الباحثون المراقبين الودود وغير الودود في مناطق متداخلة. ووجدوا أن الروبوت لا يزال بإمكانه إيجاد مسار يعمل لكليهما، رغم أنه كان عليه إجراء مقايضات. فعلى سبيل المثال، إذا كان للمراقب غير الودود "دافع" أو تأثير أقوى، فسيتبع الروبوت مسارًا أكثر خداعًا، حتى لو عنى ذلك أن ينتظر المراقب الودود لحظة إضافية لفهم هدف الروبوت. وأظهرت النتائج أن محسن المسار يمكنه إنتاج مسارات أفضل بكثير من الخطوط المستقيمة البسيطة أو المسارات التي تحاول فقط أن تكون فعالة؛ إذ يمكنه إنتاج مسارات عالية الوضوح للأشخاص المناسبين وعالية الغموض للأشخاص الخطأ، مع التكيف مع القيود المحددة للبيئة.

كما استكشف الباحثون ما يحدث عندما تكون الأهداف في اتجاهات متعاكسة تمامًا. في هذه الحالات الصعبة، عادة ما يكون الخط المستقيم هو المسار الأكثر كفاءة، ولكنه قد يكون سهل القراءة للغاية. أظهر محسن المسار أنه باستخدام استراتيجية التمويه، يمكن للروبوت التحرك نحو هدف وهمي لفترة طويلة، مما يقنع المراقب بأنه ذاهب في الطريق الخطأ، قبل أن ينعطف فجأة نحو الوجهة الحقيقية، مما يؤخر التخمين الصحيح للمراقب حتى نهاية المسار. ومع ذلك، أشار الفريق إلى أن عملهم الحالي يعتمد على عمليات محاكاة حيث تكون البيئة ثابتة والمراقبون لا يتحركون. كما أقروا بأن التطبيقات في العالم الحقيقي ستتطلب من الروبوت التعامل مع الأشخاص المتحركين والرؤى المتغيرة في الوقت الفعلي. وأشاروا أيضًا إلى أن نظامهم يفترض أن الروبوت يعرف بالضبط مكان المراقبين وما يمكنهم رؤيته، وهو ما قد لا يكون صحيحًا دائمًا في بيئة فوضوية واقعية. ورغم هذه القيود، توفر الدراسة إطارًا رياضيًا واضحًا لمشكلة لم تُحل من قبل: كيف تكون واضحًا للبعض وخفيًا عن الآخرين في آن واحد.

في نهاية المطاف، يتجاوز هذا العمل فكرة أن الروبوت يجب أن يكون ببساًا كفؤًا أو مهذبًا فحسب. إنه يدرك أنه في عالم به مراقبون متعددون، فإن مسار الروبوت هو شكل من أشكال التواصل الذي يمكن تفصيله لجمهور مختلف. يوضح نظام محسن المسار أنه من الممكن حساب مسار يخدم أسيادًا متعددين، ويوازن بين الحاجة إلى الشفافية والحاجة إلى الخصوصية. ومع زيادة شيوع الروبوتات في حياتنا اليومية، من المستودعات إلى المستشفيات، ستصبح القدرة على التنقل في هذه التعقيدات الاجتماعية والاستراتيجية أمرًا بالغ الأهمية. يقدم هذا البحث طريقة جديدة للتفكير في حركة الروبوت، ليس فقط كفعل فيزيائي للانتقال من النقطة (أ) إلى النقطة (ب)، بل كقرار استراتيجي حول من يحصل على معرفة خطط الروبوت ومن لا يحصل عليها.