Correct-by-Construction G-Code Generation: A Neuro-Symbolic Approach via Separation Logic
تقدم هذه الورقة إطاراً عصبياً-رمزياً يدمج مولداً من نماذج اللغات الكبيرة (GLLM) مع مدقق يعتمد على منطق الفصل لتمكين الإنتاج التصحيحي الذاتي وخالٍ من التصادم لرموز (G-code) عبر ترجمة إخفاقات الإثبات المنطقي إلى توجيهات مكانية دقيقة للتحسين التكراري.
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. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم فنان مبدع وخيالي (ذكاء اصطناعي) كيفية نحت تمثال من الرخام باستخدام ذراع روبوتية. هذا الفنان بارع في فهم وصفك ("اصنع طائراً") ويمكنه كتابة التعليمات للروبوت. ومع ذلك، لم يسبق له رؤية الورشة فعلياً؛ فهو لا يعرف أين توجد المشابك الثقيلة التي تمسك بالرخام، أو ما هو حجم ذراع الروبوت. قد يكتب تعليمات تبدو مثالية على الورق، لكنها قد تتسبب في اصطدام الروبوت مباشرة بمشبك، مما يؤدي إلى كسر الآلة.
تقترح هذه الورقة حلاً لهذه المشكلة عبر الجمع بين الفنان المبدع ومفتش سلامة صارم ودقيق رياضياً.
إليك كيف يعمل هذا الشراكة، مقسمة إلى خطوات بسيطة:
١. الشريكان
- الفنان (الذكاء الاصطناعي): هو نموذج لغوي كبير يُدعى GLLM، تم استحضاره من عمل سابق. يتميز GLLM بقدرته العالية على أخذ طلبك باللغة الطبيعية ("انحت طائراً") وتحويله إلى قائمة من التعليمات الروبوتية (G-code). هو يتولى عملية التوليد المعزز بالاسترجاع (جلب السياق حول الآلة والمهمة) ويتأكد من أن الكود منطقي من الناحية النحوية والدلالية. ما لا يفعله، ولم يُصمم للقيام به أبداً، هو منع الروبوت من الاصطدام جسدياً بالأشياء — فهو لا يمتلك خاصية تجنب الاصطدام مدمجة فيه.
- المفتش (خبير إثبات السلامة): هو مُثبت منطق الفصل (Separation Logic prover) الذي جلبه المؤلفون من عملهم السابق — وتحديداً الورقة البحثية Separation Logic for Verifying Physical Collisions of CNC Programs (arXiv:2605.10437)، حيث تم تقديم نموذج "المكدس المكاني" (Spatial Heap) والمُثبت لأول مرة. وظيفة المفتش الوحيدة هي اكتشاف الاصطدامات الجسدية — أي الحالات التي يحاول فيها الأداة وعائق ما احتلال نفس المساحة في نفس الوقت. هو ليس مراجع كود عام؛ هو لا يتحقق مما إذا كان الكود "خاطئاً" بمعناه الواسع؛ بل هو مجرد كاشف للاصطدام.
ما تساهم به هذه الورقة فعلياً هو الربط بين هاتين الأداتين الموجودتين — وهي حلقة تغذية راجعة عصبية-رمزية (neuro-symbolic feedback loop) يتم فيها ترجمة نتائج الاصطدام التي يجدها المفتش إلى توجيهات مهيكلة تعود إلى الفنان.
٢. "صندوق الرمل الرقمي" (المكدس المكاني - The Spatial Heap)
لجعل الرياضيات تعمل، يحول النظام الورشة الفيزيائية إلى شبكة ثلاثية الأبعاد ضخمة من المكعبات الصغيرة (مثل نسخة ثلاثية الأبعاد من لعبة ماينكرافت).
- بعض المكعبات مُعلمة كـ "رخام" (المادة المراد قطعها).
- بعضها مُعلم كـ "مشابك" (عوائق).
- بعضها مُعلم كـ "هواء فارغ" (مساحة آمنة).
- أداة الروبوت هي أيضاً شكل محدد من المكعبات.
الأمر الهام هو أن المفتش لا يراقب حركة الروبوت فعلياً ولا يقوم بعمل محاكاة هندسية. بل يقرأ نص الـ G-code مباشرة، سطراً بسطر، ويستنتج أي مكعبات ستحتلها كل حركة للأداة. القاعدة التي يفرضها بسيطة: المكعبات التي تحجزها الأداة يجب ألا تكون محجوزة بالفعل من قبل مشبك أو أي عائق آخر.
٣. "الطبقة العازلة" (المعطف الوبري - The Fluffy Coat)
الروبوتات ليست مثالية. قد تهتز قليلاً، أو قد تنحني الأداة قليلاً. ولتعويض ذلك، لا يكتفي النظام بفحص الحجم الدقيق للأداة، بل يمنح الأداة "معطفاً وبرياً" (هامش سلامة رياضي) حولها.
- إذا كان عرض الأداة ٥ ملم، يفترض النظام أنها بعرض ٧ ملم لضمان السلامة.
- المفتش يتحقق مما إذا كانت هذه "الأداة الوبرية" تصطدم بأي شيء. إذا فعلت، تُعتبر الحركة محظورة.
٤. "سباق البيانات" (إنذار الاصطدام)
في علوم الحاسوب، يحدث "سباق البيانات" (data race) عندما يحاول برنامجان استخدام نفس الذاكرة في نفس الوقت. يطلق المؤلفون على الاصطدام الجسدي اسم "سباق بيانات مكاني" (Spatial Data Race).
عندما يكتب الفنان حركة تؤدي إلى اصطدام:
١. ينظر المفتش إلى الشبكة ثلاثية الأبعاد.
٢. يرى تداخلاً بين "مكعبات الأداة" و"مكعبات المشبك".
٣. تفشل البراهين الرياضية. يصرخ المفتش: "توقف! أنت تحاول احتلال نفس المساحة!"
٥. حلقة التغذية الراجعة (ملاحظة "لا تذهب إلى هناك")
في السابق، إذا ارتكب الذكاء الاصطناعي خطأً، فقد تكتفي بقول "حاول مجدداً"، وتأمل أن يحالفه الحظ. لكن هذا غير فعال.
هذا النظام أكثر ذكاءً. عندما يجد المفتش اصطداماً، فإنه لا يكتفي بكلمة "لا" فقط؛ بل يحدد موقع الاصطدام بدقة ويرسم صندوقاً صغيراً دقيقاً حوله.
- الرسالة: "لقد حاولت التحرك إلى الإحداثيات X، Y، Z. يوجد مشبك داخل هذا الصندوق المحدد. لا تدخل هذا الصندوق."
- التصحيح: تُرسل هذه الملاحظة إلى الفنان. يقرأ الفنان الملاحظة، ويدرك الخطأ، ويعيد كتابة التعليمات لكي تمر حول الصندوق.
٦. النتيجة: "الصحة من خلال البناء" (Correct-by-Construction)
يستمرون في هذه الحلقة — الفنان يكتب، المفتش يفحص، المفتش يشير إلى الاصطدام، الفنان يصلح الخطأ — حتى يتمكن المفتش رياضياً من إثبات أن الأداة من المرجح جداً ألا تصطدم بأي شيء في مساحة العمل الحالية كما هي موصوفة للمُثبت.
ولأن النظام لا يتوقف إلا إذا تمت عملية الإثبات هذه، فإن مجموعة التعليمات النهائية تكون "صحيحة من خلال البناء" لتلك المساحة المحددة ووصف العوائق فيها. الضمان هو أنه بموجب النموذج المكاني الذي أُعطي للمفتش، فإن مسار الأداة لا ينتج اصطداماً جسدياً. (لا يمكن لأي إثبات أن يستبعد الاصطدامات الناتجة عن تغييرات في مساحة العمل بعد إنشاء الكود — مثل تحريك المثبتات، أو إضافة مواد جديدة، أو ترك عامل أداً داخل الخلية — لذا فهو ضمان مشروط ببيئة العمل وليس ضماناً مطلقاً).
ملخص
تصف الورقة طريقة لجعل تعليمات الروبوت المولدة بواسطة الذكاء الاصطناعي آمنة عبر دمج ذكاء اصطناعي مبدع مع فاحص سلامة قائم على الرياضيات الصارمة. يقوم الفاحص بتحويل العالم الفيزيائي إلى شبكة، ويفحص التداخلات (الاصطدامات)، ويرسل تحذيرات دقيقة بـ "عدم الدخول" إلى الذكاء الاصطناعي حتى يتم التحقق من التعليمات رياضياً مقابل النموذج المكاني الحالي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.