CLAW: Composable Language-Annotated Whole-body Motion Generation
تُعد CLAW عبارة عن خط معالجة مفتوح المصدر، تفاعلي وقائم على الويب، يقوم بتوليد بيانات حركة كاملة للجسم، قابلة للتوسع، وممكنة فيزيائياً، وموسومة لغوياً لروبوت Humanoid من طراز Unitree G1، وذلك عبر تركيب كتل مخطط حركي، ومحاكاتها في MuJoCo، وتوليد أوصاف متنوعة باللغة الطبيعية تلقائياً.
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 تريد تعليم كلب آلي كيف يرقص، ولكن بد instead من استئجار مصمم رقصات لتصوير راقص بشري ثم محاولة تقليد تلك الحركات بصعوبة على الروبوت، تقوم ببساطة بإعطاء الروبوت مجموعة من مكعبات الليغو.
هذا هو بالضبط ما يفعله CLAW، ولكن بالنسبة لروبوت بشري يُدعى Unitree G1.
إليك شرح مبسط لكيفية عمله، باستخدام بعض التشبيهات من الحياة اليومية:
١. المشكلة: "عنق الزجاجة" المتمثل في فيديوهات البشر
عادةً، لتعليم الروبوت كيفية الحركة، يتعين على العلماء القيام بما يلي:
- استئجار ممثلين وكاميرات باهظة الثمن (التقاط الحركة - Motion Capture).
- تصويرهم وهم يقومون بأشياء رائعة.
- كتابة أوصاف يدوياً مثل "الروبوت يمشي للأمام، ثم يوجه لكمة".
- محاولة فرض حركات البشر على جسد الروبوت (وهو ما يبدو غالباً متقطعاً وغير متناسق، مثل إنسان يحاول المشي على ركائز خشبية طويلة).
هذه العملية بطيئة، ومكلفة، ويصعب توسيع نطاقها.
٢. الحل: CLAW (بناء "الليغو")
CLAW هي أداة جديدة تتيح لك بناء حركات الروبوت كما لو كنت تبني قصة باستخدام مكعبات الليغو.
- المكعبات (النماذج الأولية للحركة): بدلاً من تصوير رقصة كاملة، يحتوي النظام على ٢٥ "مكعباً" جاهزاً. هذه حركات بسيطة مثل "مشية"، "جري"، "زحف"، "ملاكمة"، أو "رقصة الزومبي".
- البنّاء (واجهة المستخدم): لا تحتاج لأن تكون مبرمجاً. يمكنك استخدام وضع لوحة المفاتيح (مثل لعب لعبة فيديو حيث تضغط على 'W' للمشي و 'A' للالتفاف) أو محرر الجدول الزمني (مثل تحرير فيديو على هاتفك، عبر سحب المقاطع ووضعها على الجدول الزمني).
- محرك الفيزياء (اختبار الواقع): عندما تجمع هذه المكعبات معاً، فإن النظام لا يتظاهر فقط بأن الروبوت يتحرك. بل يقوم بتشغيل محاكاة فيزيائية (مثل محرك ألعاب فيديو متطور للغاية). هو يتحقق من: "إذا حاول الروبوت الانتقال من مشية بطيئة إلى لكمة، هل سيسقط؟" إذا كانت الإجابة نعم، فإنه يقوم بتنعيم الحركة لضمان توازن الروبوت.
٣. الميزة السحرية: "الكاتب الآلي"
هذا هو الجزء الأروع. عادةً، إذا صنعت فيديو، عليك كتابة الترجمة بنفسك.
يحتوي CLAW على كاتب آلي مدمج.
- بمجرد بناء تسلسل (مثلاً: "امشِ للأمام لمدة ٣ ثوانٍ، ثم وجه لكمة")، يقوم النظام فوراً بكتابة أوصاف متعددة ومختلفة لهذا التسلسل.
- يمكنه كتابته كدليل تشغيل لروبوت: "تحرك للأمام ٣ ثوانٍ."
- يمكنه كتابته كتقرير إخباري: "الروبوت يتقدم للأمام بخطوات سريعة."
- يمكنه كتابته كقصة: "الروبوت، بملامح توحي بالإصرار، يخطو للأمام."
يقوم بذلك دون أن يكتب البشر كلمة واحدة، ويفعل ذلك بدقة في كل مرة لأنه يعرف تماماً ما يفعله الروبوت.
٤. لماذا هذا مهم (المكتبة اللانهائية)
فكر في هذا كـ مكتبة لانهائية من بيانات تدريب الروبوت.
- الطريقة القديمة: تصور ١٠٠ ساعة من البشر وهم يرقصون. هذا يكلف ثروة.
- طريقة CLAW: تجلس أمام الكمبيوتر، تخلط وتطابق "مكعبات الليغو" الخاصة بك (مشية + جري + لكمة)، ويقوم الكمبيوتر بإنشاء ١٠,٠٠٠ تنويع من تلك الحركة في ساعة واحدة. إنه ينشئ مجموعة ضخمة من البيانات التي تربط بين "الروبوت يفعل كذا" و "النص الذي يصف كذا".
الخلاصة
CLAW هو ملعب قائم على الويب حيث يمكنك مزج ومطابقة حركات الروبوت، ومشاهدتها تحدث في محاكاة فيزيائية واقعية، والحصول على وصف مكتوب مثالي لما حدث — وكل ذلك تلقائياً.
إنه يحول المهمة الصعبة المتمثلة في تعليم الروبوتات الحركة إلى شيء سهل مثل سحب وإفلات المكعبات على الشاشة، بينما يتولى الكمبيوتر العمل الشاق المتعلق بالفيزياء وكتابة التسميات التوضيحية. وهذا يساعد الباحثين على تدريب روبوتات أكثر ذكاءً وقدرة على التكيف بشكل أسرع من أي وقت مضى.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.