⚡ electrical engineering

Test-Driven Agentic Framework for Reliable Robot Controller

تقدم هذه الورقة إطار عمل وكيلِيّاً قائماً على الاختبار يعمل على تحسين وحدات التحكم في ملاحة الروبوت بشكل تكراري من خلال استراتيجية إصلاح ثنائية المستويات وتغذية راجعة مهيكلة للاختبار، مما يحسن الموثوقية والمتانة بشكل كبير مقارنة بطرق التوليد لمرة واحدة في كل من البيئات ثنائية الأبعاد وثلاثية الأبعاد.

المؤلفون الأصليون: Shivanshu Tripathi, Reza Akbarian Bafghi, Maziar Raissi

نُشر 2026-03-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Shivanshu Tripathi, Reza Akbarian Bafghi, Maziar Raissi

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تعليم روبوت جديد تماماً، ذكي جداً ولكنه خرق قليًل، كيف يتنقل داخل متاهة. تعطي له تعليمات بسيطة: "اذهب من هنا إلى هناك دون الاصطدام بأي شيء".

في الأيام الخوالي، كان على المهندس البشري قضاء أسابيع في كتابة الكود يدوياً، وتعديل حركة العجلات، وإصلاح الأخطاء البرمجية التي تجعل الروبوت يستمر في الارتطام بالجدران. الأمر يشبه محاولة تعليم كلب القيام بشقلبة خلفية عن طريق تحريك أرجله يدوياً لساعات.

تقدم هذه الورقة البحثية طريقة مؤتمتة جديدة للقيام بذلك باستخدام الذكاء الاصطناعي (AI) ونهج "الاختبار الموجه" (Test-Driven). فكر في الأمر كأنه مدرب مثالي لا يكتفي بإعطاء الروبوت محاولة واحدة فقط، بل يستمر في تدريبه حتى يتقن الأمر.

إليك كيف يعمل نظامهم، مقسماً إلى مفاهيم بسيطة:

1. المشكلة: خطأ "المحاولة الواحدة"

عادةً، عندما نطلب من الذكاء الاصطناعي كتابة كود لروبوت، نطلبه مرة واحدة ونأمل في الحصول على أفضل نتيجة. هذا يشبه طلبك من طاهٍ إعداد طبق معقد ثم تقول له: "فقط اطبخه، وسأتذوقه لاحقاً".

المخاطرة: قد يهلوس الذكاء الاصطناعي (يخترع أشياء غير موجودة). قد ينسى أن عجلات الروبوت لا يمكنها الدوران بسرعة معينة، أو قد يخلط بين جدار أسود وأرضية بيضاء.
النتيجة: يصطدم الروبوت، أو يعلق، أو حتى لا يعمل الكود من الأساس.

2. الحل: الحلقة "الوكيلة" (Agentic Loop)

ابتكر المؤلفون نظام حلقة مغلقة (دورة تستمر في العمل حتى تنجح). ويسمونها "الإطار الوكيل" (Agentic Framework). تخيل فريقاً من اثنين من متخصصي الذكاء الاصطناعي يعملان معاً:

المتعلم (المهندس المعماري): يحاول هذا الذكاء الاصطناعي كتابة "عقل" الروبوت (الكود) بناءً على تعليماتك.
المُحسِّن (مراقب ضبط الجودة): يعمل هذا الذكاء الاصطناعي كمدير اختبار صارم. هو لا ينظر إلى الكود فحسب؛ بل يقوم بتشغيل الروبوت في محاكاة ليرى ما إذا كان سيصطدم بشيء ما.

3. العملية: كيف يعمل "المدرب"

إليك الدورة خطوة بخوة، باستخدام تشبيه الصالة الرياضية (الجيم):

المحاولة الأولى: يقوم "المهندس المعماري" بكتابة خطة التمرين (الكود) للروبوت.
التمرين (الاختبار): يضع "المراقب" الروبوت في صالة رياضية افتراضية ويجعله يحاول السير في المسار.
التغذية الراجعة:
- هل تعثر؟ يقول المراقب: "لقد حاولت المرور عبر جدار!"
- هل توقفت مبكراً جداً؟ يقول المراقب: "لم تذهب بعيداً بما يكفي".
- هل تعطل الكود؟ يقول المراقب: "لقد حاولت استخدام أداة غير موجودة".
الإصلاح (التدريب):
- المستوى الأول (إصلاح الحركة): إذا ارتكب الروبوت خطأً صغيراً، يحاول الذكاء الاصطناعي تعديل تلك الحركة المحددة في الكود (مثل قول: "انعطف يساراً بمقدار 10 درجات أكثر").
- المستوى الثاني (إصلاح التعليمات): إذا استمر الروبوت في الفشل بغض النظر عن التعديلات، يدرك الذكاء الاصطناعي أن التعليمات الأصلية كانت مربكة. فيعود إلى "المهندس المعماري" ويقول: "مهلاً، أنت لم تخبر الروبوت أن الجدران داكنة وليست فاتحة. لنعد كتابة التعليمات".
التكرار: يحاولون مرة أخرى. ومرة أخرى. حتى يقطع الروبوت المسار بشكل مثالي دون الاصطدام بجدار واحد.

4. ساحتان مختلفتان للعب

اختبر الفريق هذا في بيئتين مختلفتين:

الخريطة ثنائية الأبعاد (المتاهة الورقية): أخذوا صورة لخريطة، وحولوها إلى شبكة رقمية (مثل رقعة الشطرنج)، وعلموا الروبوت كيفية التنقل فيها. كان على النظام معرفة ما إذا كانت البكسلات السوداء هي جدران أم البكسلات البيضاء.
المحاكي ثلاثي الأبعاد (العالم الافتراضي): استخدموا عالماً واقعياً يشبه ألعاب الفيديو (Webots) مع روبوت حقيقي (e-puck). هنا، يتعامل الروبوت مع الفيزياء، مثل الجاذبية وحدود المستشعرات، تماماً كما سيفعل روبوت حقيقي.

5. النتائج: لماذا يهم هذا؟

تظهر الورقة البحثية أن طريقة "الاستمرار في المحاولة حتى تنجح" هي أفضل بكثير من مجرد سؤال الذكاء الاصطناعي مرة واحدة.

المحاولة الواحدة (One-Shot): إذا سألت الذكاء الاصطناعي مرة واحدة، فقد يفشل بنسبة 80-90% من الوقت.
حلقة الاختبار الموجه: من خلال السماح للذكاء الاصطناعي بإصلاح أخطائه، ترتفع نسبة النجاح بشكل كبير. حتى لو بدأ الذكاء الاصطناعي بفكرة سيئة، فإن الحلقة تصححها.

الصورة الكبيرة

يعد هذا البحث خطوة عملاقة نحو أتمتة هندسة الروبوتات. فبدلاً من قضاء الإنسان أياماً في تصحيح الأخطاء البرمجية، يقوم الكمبيوتر بالعمل الشاق. إنه يعامل برمجة الروبوت كلعبة "تخمين وتحقق"، ولكنها تتم بسرعة فائقة بواسطة الذكاء الاصطناعي.

باخت شديد: لقد بنوا نظاماً حيث يكتب الذكاء الاصطناعي الكود، ويختبره الذكاء الاصطناعي، ويكتشف الذكاء الاصطناعي الأخطاء، ويصلحها الذكاء الاصطناعي، مكرراً هذه الدورة حتى يصبح الروبوت جاهزاً للخروج إلى العالم الحقيقي والقيام بمهمته بأمان. إنه يشبه امتلاك معلم صبور وذكي للغاية يرفض أن يفشل طالبه.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "إطار عمل وكيل مدفوع بالاختبار لمتحكم روبوت موثوق" من تأليف تريباثي، بافجي، ورايسي.

1. بيان المشكلة

تعالج الورقة البحثية الفجوة الحرجة بين التخطيط الحركي النظري والتنفيذ الفيزيائي الموثوق في مجال الروبوتات. وبينما تُظهر النماذج اللغوية الكبيرة (LLMs) واعداً في توليد الأكواد من تعليمات عالية المستوى، فإن توليد الكود بمرة واحدة (one-shot code generation) غالباً ما يكون غير موثوق للمهام الروبوتية ذات الأهمية المتعلقة بالسلامة.

التحدي: تعاني المتحكمات التي تولدها النماذج اللغوية الكبيرة بشكل متكرر من أخطاء في بناء الجملة (syntax errors)، أو توقف التشغيل (runtime crashes)، أو انتهاكات السلامة (اصطدامات)، أو الفشل في الوصول إلى الأهداف. تنبع هذه الإخفاقات غالباً من المطالبات غير المحددة بدقة (underspecified prompts) التي تغفل تفاصيل حاسمة مثل ديناميكيات الروبوت، وتحويلات الوحدات، والقيود الزمنية، وعقود واجهة برمجة التطبيقات (API) المحددة.
النتيجة: بدون التفاصيل المرتكزة على الواقع، تعتمد النماذج اللغوية الكبيرة على افتراضات وهمية، مما يؤدي إلى أداء هش يتطلب عمليات تصحيح يدوي مكثفة وضبطاً دقيقاً للمعلمات لإصلاحه.
الهدف: تطوير إطار عمل وكيل (agentic framework) مغلق الحلقة لتوليد متحكم روبوت منخفض المستوى وقابل للنشر من تعليمات لغة طبيعية عالية المستوى، مع ضمان أن يكون الكود صحيحاً من حيث بناء الجملة، وآمناً، وناجحاً وظيفياً قبل النشر.

2. المنهجية

يقترح المؤلفون إطار عمل وكيل مدفوع بالاختبار يستبدل التصحيح اليدوي بحلقة تحسين آلية وتكرارية. يعمل النظام كوكيل مغلق الحلقة يقوم بتوليد، واختبار، وتشخيص، وإصلاح الكود.

أ. سير العمل الأساسي

يتبع الإطار دورة: توليد $\leftarrow$ تحقق $\leftarrow$ إصلاح:

التوليد (Generation): يقوم نموذج لغوي كبير (يسمى "المتعلم" - Learner) بتوليد متحكم Python مرشح (controller.py) بناءً على مطالبة تحتوي على مواصفات المهمة وسياق البيئة.
التحقق (Verification): يتم تنفيذ الكود المولد مقابل مجموعة اختبارات PyTest شاملة ومنظمة. تتحقق هذه الاختبارات من:
- الصحة الوظيفية: أخطاء بناء الجملة، أخطاء الاستيراد (import errors)، واستثناءات وقت التشغيل.
- الأداء والسلامة: تجنب الاصطدام، الوصول إلى الهدف، الالتزام بالقيود الكينماتيكية، وإتمام المهمة ضمن الخطوات الزمنية.
التشخيص والإصلاح (Diagnosis & Repair): إذا فشلت الاختبارات، يتم إنشاء تقرير تشخيصي. يقوم نموذج لغوي كبير ثانٍ (يسمى "المحسن" - Optimizer) بتحليل هذه التغذية الراجعة ويبدأ استراتيجية إصلاح ثنائية المستويات:
- إصلاح مستوى الكود (Code-Level Repair): تعديل مصدر الكود مباشرة (controller.py) لإصلاح أخطاء محددة. يتم إجراء ذلك لعدد محدود من التكرارات (صبر التعديل، $J$ ).
- إصلاح مستوى المطالبة (Prompt-Level Repair): إذا فشلت تعديلات الكود في حل المشكلة، يقوم النظام بتحديث قالب المطالبة (Prompt Template) (تحديداً قسم AUTO_REPAIR_RULES) لتوجيه نموذج "المتعلم" نحو حل أفضل في دورة التوليد التالية.

ب. إعدادان تجريبيان

تم التحقق من صحة الإطار في بيئتين متميزتين:

الملاحة القائمة على الخرائط ثنائية الأبعاد (2D Map-Based Navigation):
- المدخلات: صور خرائط RGB خام وإحداثيات البداية/الهدف.
- المعالجة المسبقة: يقوم خط معالجة قوي بتحويل صور RGB الخام إلى شبكات إشغال رمادية (grayscale occupancy grids). يستخدم طريقة Otsu للثنائية (binarization)، ويقيم قطبية البكسلات الداكنة/الفاتحة، ويطبق عمليات مورفولوجية، وينفخ العوائق (inflates obstacles) لضمان السلامة. يختار أفضل مرشح للشبكة بناءً على درجات كفاءة المسار والسلامة.
- المتحكم: يولد متحكماً يعمل بالدفع التفاضلي (differential-drive) باستخدام محاكاة مستشعرات الموجات فوق الصوتية (ray-casting) على شبكة الإشغال.
محاكاة Webots ثلاثية الأبعاد (3D Webots Simulation):
- المدخلات: ملفات عالم Webots (.wbt) تحدد الساحة، والروبوت (e-puck)، والعوائق.
- العملية: لا حاجة للمعالجة المسبقة للخريطة. يتم ربط النموذج اللغوي الكبير مباشرة بفيزياء المحاكي وواجهة برمجة تطبيقات المستشعرات (مستشعرات التقارب بالأشعة تحت الحمراء).
- المتحكم: يولد متحكماً يتفاعل مباشرة مع واجهة برمجة تطبيقات Webots لقيادة الروبوت في بيئة فيزيائية ثلاثية الأبعاد.

3. المساهمات الرئيسية

سير عمل وكيل مبتكر: نظام مغلق الحلقة يولد متحكمات من تعليمات غير محددة بدقة باستخدام التحسين الآلي المدفوع بالاختبار، مما ينقل عبء الهندسة من التنفيذ اليدوي إلى التحقق الآلي.
استراتيجية إصلاح ثنائية المستويات: آلية فريدة تتناوب بين تعديل الكود المباشر وتحسين المطالبة، مما يسمح للنظام بالتعافي من كل من أخطاء التنفيذ والمفاهيم الخاطئة.
منهجية موحدة: خط معالجة يتعامل مع كل من الملاحة ثنائية الأبعاد القائمة على الصور (مع معالجة مسبقة قوية للخريطة) والمحاكاة الفيزيائية ثلاثية الأبعاد، مما يظهر تعدد الاستخدامات عبر أنماط الاستشعار المختلفة.
نشر ذاتي الاحتواء: على عكس أعمال الروبوتات الأخرى التي تعتمد على النماذج اللغوية الكبيرة أثناء وقت التشغيل، ينتج هذا الإطار متحكماً قابلاً للتنفيذ بشكل مستقل يعمل دون تدخل إضافي من النموذج اللغوي بمجرد التحقق منه.

4. النتائج التجريبية

تم تقييم الإطار عبر بيئات ثنائية وثلاثية الأبعاد باستخدام نماذج لغوية كبيرة متعددة (GPT-4o, GPT-4.1, GPT-5.2, Claude-Sonnet-4.5, Claude-Opus-4.5).

تحسن معدل النجاح (SR):
- الملاحة ثنائية الأبعاد: تفوق التحسين التكراري بشكل كبير على التوليد بمرة واحدة. على سبيل المثال، حقق GPT-5.2 و Sonnet-4.5 معدل نجاح بنسبة 45% باستخدام الإطار التكراري، مقارنة بمعدل يقترب من الصفر لمحاولات التوليد بمرة واحدة بواسطة النماذج الأضعف.
- Webots ثلاثية الأبعاد: كان الأداء أعلى بشكل عام بسبب تقليل المعلمات المجهولة. حقق Claude-Opus-5.2 معدل نجاح بنسبة 71%، متفوقاً بشكل ملحوظ على GPT-5.2 (39%) و GPT-4o (21%).
النجاح التراكمي (CS):
- سمح النهج التكراري حتى للنماذج الأقل أداءً بالوصول إلى حل عامل. على سبيل المثال، في المهام ثلاثية الأبعاد، وصل Opus-4.5 إلى نجاح تراكمي بنسبة 100% عند التكرار $k=2$ ، بينما فشلت محاولات المرة الواحدة للعديد من النماذج.
- GPT-4o، الذي فشل تماماً في محاولات المرة الواحدة، حقق النجاح بحلول التكرار $k=15$ في المهام ثنائية الأبعاد و $k=7$ في المهام ثلاثية الأبعاد من خلال الإصلاح التكراري.
الكفاءة: أنتج الإطار باستمرار متحكمات قابلة للنشر في عدد قليل من التكرارات (عادةً $k < 10$ )، مما يثبت أن تكلفة التكرار تفوق مكاسب الموثوقية.

5. الأهمية

الموثوقية فوق السرعة: تثبت الورقة أنه بينما تعد النماذج اللغوية الكبيرة قوية، فإن مخرجاتها الخام غير كافية للروبوتات. النهج التكراري المدفوع بالاختبار ضروري لسد "فجوة الواقع" بين توليد الكود والتنفيذ الآمن.
أتمتة التصحيح: يقوم الإطار بأتمتة العملية الشاقة لضبط المعلمات وتصحيح الأخطاء التجريبي، مما يجعله قابلاً للتوسع لأنواع مختلفة من تكوينات الروبوت والبيئات.
التطبيقات ذات الأهمية للسلامة: من خلال فرض مجموعات اختبار PyTest صارمة (للتحقق من الاصطدامات، وحالات الجمود، والوصول إلى الهدف)، يضمن الإطار نشر متحكمات آمنة ومحققة فقط، مما يعالج عائقاً رئيسياً أمام اعتماد الروبوتات المستقلة.
الاتجاه المستقبلي: يشير المؤلفون إلى أن هذا النموذج يمكن توسيعه ليشمل البيئات الديناميكية مع العوائق المتحركة، مما يعزز مجال تركيب الأنظمة المستقلة.

باختأصار، تؤسس هذه الدراسة إلى أن التحسين الوكيل المدفوع بالاختبار هو نموذج متفوق على التوليد بمرة واحدة (one-shot prompting) لتوليد متحكمات الروبوت، مما يحول التعليمات عالية المستوى وغير المحددة بدقة إلى برمجيات تحكم منخفضة المستوى، قوية، وقابلة للنشر.