🤖 AI

Hybrid LLM-based Intelligent Framework for Robot Task Scheduling

تقترح هذه الورقة إطار عمل هجينًا يستخدم وكيلين من نماذج اللغات الكبيرة (مولّد ومشرف) لتحسين جدولة مهام الروبوتات الإنشائية عبر موازنة الوقت والموارد، والتكيف مع ظروف الموقع في الوقت الفعلي عبر واجهات لغوية طبيعية، وإثبات الفعالية من خلال التقييم التجريبي.

المؤلفون الأصليون: Swayamjit Saha, Subhabrata Das, Haonan Duan, Xiao-Yang Liu

نُشر 2026-05-18

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Swayamjit Saha, Subhabrata Das, Haonan Duan, Xiao-Yang Liu

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 موقع بناء كأنه مطبخ مزدحم، ولكن بدلاً من الطهاة، لديك فريق من الروبوتات. تحتاج هذه الروبوتات إلى بناء الجدران، ونقل الطوب، ومسح المناطق، لكن لا يمكنها مجرد التخمين بشأن ما يجب فعله تالياً؛ بل تحتاج إلى خطة رئيسية.

تقدم هذه الورقة البحثية "عقلاً" جديداً لهذه الروبوتات يستخدم نماذج اللغات الكبيرة (LLMs) — وهي نفس نوع الذكاء الاصطناي الذكي الذي يشغل برامج الدردشة الآلية — لإنشاء وإدارة جداول أعمال الروبوتات.

إليك كيف يعمل نظامهم، مقسماً إلى مفاهيم بسيطة:

1. المشكلة: الروبوتات بحاجة إلى "مدير"

مواقع البناء فوضوية وغير متوقعة. البرمجيات التقليدية تشبه كتاب وصفات جامد؛ إذا نفد مكون ما أو تعطل الفرن، فإن الكتاب لا يعرف كيفية التكيف. أراد المؤلفون نظاماً يمكنه فهم اللغة الطبيعية (مثل قول إنسان: "ابنِ هذا الجدار ثم افحص الطوب") ومعرفة أفضل طريقة للروبوتات للقيام بذلك، حتى لو ساءت الأمور.

2. الحل: "كاتب" و"محرر"

لم يستخدم المؤلفون ذكاءً اصطناعياً واحداً فقط، بل بنوا فريقاً من شخصين ليعمل كعقل الروبوت:

المولد (الكاتب): هذا ذكاء اصطناعي قوي (GPT-4) يعمل ككاتب مبدع. يستمع إلى طلب الإنسان ويصيغ مسودة خطة خطوة بخطوة للروبوتات. إنه سريع ومبدع، لكنه قد يرتكب أخطاء أحياناً، مثل نسيان شحن بطارية الروبوت أو إخباره بالسير عبر جدار.
المشرف (المحرر): هذا ذكاء اصطناعي ثانٍ (باستخدام نماذج مثل Gemma أو Llama أو Mistral) يعمل كمحرر صارم. يأخذ مسودة "الكاتب" ويتحقق منها مقابل القواعد.
- هل لدى الروبوت ما يكفي من البطارية؟
- هل يستطيع هذا الروبوت حقاً رفع تلك الطوبة؟
- هل تخطى مكاناً يحتاج إلى المسح؟

إذا وجد "المحرر" خطأً، فهو لا يكتفي بقول "لا". بل يقوم بتصحيح الخطة بـ أقل قدر ممكن من التعديل. الأمر يشبه المعلم الذي يضع دائرة حول خطأ مطبعي ويقوم بتصحيحه، بدلاً من إعادة كتابة المقال بالكامل.

3. التشبيه: عملية "المسودة والتنقيح"

فكر في الأمر كأنك تكتب قصة:

المسودة: يكتب "الكاتب" (الذكاء الاصطناعي) بسرعة قصة عن روبوتات تبني جداراً. يصيب الفكرة الرئيسية ولكنه قد ينسى أن على الروبوت التوقف عند محطة الشحن.
التنقيح: يقرأ "المشرف" (الذكاء الاصطناعي) القصة. يرى أن الروبوت على وشك نفاد الطاقة. بدلاً من رمي القصة، يقوم ببساطة بإدراج جملة: "يتوقف الروبوت عند الشاحن لمدة 5 دقائق".
المنتج النهائي: النتيجة هي خطة مثالية قابلة للتنفيذ يمكن للروبوتات اتباعها فوراً.

4. كيف اختبروا ذلك

اختبر الباحثون فريق "الكاتب والمحرر" في سيناريوهين محددين:

بناء الجدار: كان على الروبوت نقل الطوب لبناء جدار. غالباً ما ينسى "الكاتب" إخبار الروبوت بشحن بطاريته. قام "المحرر" بإصلاح ذلك عبر إدراج خطوة "الشحن"، مما ضمن عدم نفاد طاقة الروبوت أبداً.
الماسح الضوئي: كان على الروبوت مسح منطقة شبكية. أحياناً يغفل "الكاتب" عن زاوية ما. لاحظ "المحرر" المكان المفقود وأضاف حركة واحدة لمسح تلك الزاوية المحددة.

5. النتائج

وجدت الورقة البحثية أن هذا الفريق المكون من ذكاء اصطناعي ثنائي كان أفضل بكثير من استخدام ذكاء اصطناعي واحد أو البرمجيات القديمة القائمة على القواعد.

الموثوقية: نجح "المحرر" في إصلاح كل خطأ تقريباً ارتكبه "الكاتب"، مما ضمن قدرة الروبوتات على إنهاء المهمة دون الاصطدام أو نفاد البطارية.
الكفاءة: كان "المحرر" حذراً للغاية. لم يقم بإعادة كتابة الخطة بأكملها؛ بل أجرى تغييرات صغيرة ودقيقة (مثل تبديل خطوتين أو إضافة توقف شحن واحد). حافظ هذا على بقاء الخطة قريبة من الفكرة الأصلية مع جعلها آمنة للتنفيذ.

باختัด

تقترح هذه الورقة نظاماً ذكياً حيث يقوم عقل ذكاء اصطناعي واحد بتخيل خطة لروبوتات البناء، ويقوم عقل ذكاء اصطناعي ثانٍ بالتدقيق وتصحيح تلك الخطة للتأكد من أنها آمنة وممكنة. ومن خلال العمل معاً، يخلقون جدولاً زمنياً يكون مبدعاً بما يكفي للتعامل مع المهام المعقدة وصارماً بما يكفي لاتباع قوانين الفيزياء وعمر البطارية.

ملخص تقني: إطار عمل ذكي هجين قائم على النماذج اللغوية الكبيرة لجدولة مهام الروبوتات

بيان المشكلة
تواجه صناعة البناء تحديات كبيرة في جدولة المهام وتخصيص الموارد بسبب تفاوت مستويات مهارات القوى العاملة، والظروف الديناميكية في المواقع، والقيود التي تفرضها أدوات البرمجيات التقليدية. تعتمد طرق الجدولة التقليدية على أوصاف مهام محددة مسبقاً وأدوات متخصصة تفتقر إلى المرونة اللازمة للتكيف مع التغييرات غير المسبوقة أو لتفسير التعليمات باللغة الطبيعية من المتخصصين في البناء. وبينما توفر النماذج اللغوية الكبيرة (LLMs) إمكانات للتفاعل باللغة الطبيعية والاستنتاج المنطقي، إلا أنها غالباً ما تعاني من صعوبات في الدقة الرياضية، واستيفاء القيود، والتنبؤ بالحالات المستقبلية بناءً على القيود المنطقية (مثل استنفاد البطارية، وقواعد الأسبقية). علاوة على التحليل، لم تقم الأبحاث الحالية بتقييم كافٍ لمسار هجين يجمع بين نموذج لغوي توليدي ونموذج لغوي إشرافي لتقييم الدقة باستخدام مقاييس معيارية في سيناريوهات البناء متعددة الروبوتات.

المنهجية
يقترح المؤلفون إطار عمل هجين قائماً على النماذج اللغوية الكبيرة يستخدم بنية مكونة من وكيلين لتوليد والتحقق من جداول مهام الروبوتات. يعمل النظام من خلال مسار يتكون من أربع مراحل:

نظرة عامة على النظام وتأصيل السياق: يستقبل النظام تعليمات باللغة الإنجليزية وسياق الموقع (الخرائط، سجلات الروبوتات، مخططات واجهة برمجة التطبيقات API). ويقوم بترميز الكيانات (المواقع، معرفات الروبوتات) لتقليل الغموض.
المرحلة الأولى: المولد (تخليق الخطة): يتلقى وكيل المولد (GPT-4) مطالبة (Prompt) هيكلية تشبه الكود البرمجي تحتوي على سياق السيناريو، وأمثلة قليلة (few-shot)، وثوابت المخطط الصريحة. وينتج جدولاً أولياً ( $\tilde{\pi}$ ) كسلسلة من الأوامر على مستوى واجهة برمجة التطبيقات.
المرحلة الثانية: المشرف (التحقق من القيود): يقوم وكيل المشرف (Gemma 3، أو LLaMA 4، أو Mistral 7B) بالتحقق بشكل مستقل من الخطة الأولية مقابل خمس فئات من القيود:
- الأسبقية: ضمان اتباع المهام لترتيب الرسم البياني الموجه غير الدوري (DAG).
- القدرة/التحالف: التحقق من امتلاك الروبوتات للمهارات المطلوبة أو تشكيل تحالفات دنيا للمهام المعقدة.
- السعة/الموارد: التحقق من حدود الحمولة وأعداد المواد.
- البطارية/الحركة (Kinematics): ضمان بقاء مستويات البطارية غير سالبة وأن الحركات قابلة للتنفيذ فيزيائياً.
- المخطط/التفرد: التأكد من تنسيق الأوامر ومنع التكرار.
المرحلة الثالثة: حلقة الإصلاح الخاضعة للإشراف: في حال اكتشاف انتهاكات، يقوم الوكيل المشرف بإجراء "إسقاط بأقل تعديل ممكن" (minimal-edit projection)، حيث يقترح خطة مصححة ( $\hat{\pi}$ ) تقلل من مسافة التعديل (إعادة الترتيب، الاستبدال، إعادة تعيين التحالف) مع استيفاء جميع القيود. تتكرر هذه الحلقة حتى عدد محدد من المرات ( $T=3$ ).
المرحلة الرابعة: الإنهاء: يتم إخراج الجدول الذي تم التحقق منه بتنسيق جاهز لواجهة برمجة التطبيقات (API-ready) للتنفيذ بواسطة برمجيات الروبوت الوسيطة.

يعمل الإطار على نمذجة المشكلة كبحث عن تسلسل أوامر قابل للتنفيذ $\hat{\pi} \in \mathcal{P}$ يستوفي مجموعة من القيود $\Phi$ ، حيث يعمل المشرف كعامل إسقاط يربط المسودة غير القابلة للتنفيذ بأقرب خطة قابلة للتنفيذ.

المساهمات الرئيسية

بنية هجينة (مولد-مشرف): يقدم البحث مساراً مبتكراً يجمع بين GPT-4 كمولد ونماذج لغوية أصغر وأكثر تخصصاً (Gemma 3، LLaMA 4، Mistral 7B) كمشرفين لتصحيح الهلوسة والأخطاء المنطقية.
الجدولة الواعية بالقيود: على عكس المجدولات التقليدية القائمة على القواعد (مثل FCFS) أو النماذج اللغوية ذات الدورة الواحدة، يفرض هذا الإطار صراحةً قيوداً معقدة بما في ذلك عمر البطارية، وتشكيل التحالفات، والسلامة المكانية.
التقييم المعياري: توفر الدراسة معياراً لجدولة المهام القائمة على النماذج اللغوية باستخدام كل من المقاييس النصية (BLEU، ROUGE، METEOR) ومقاييس شكل الخطة (معدل القابلية للتنفيذ، مسافة التعديل، زمن الإنجاز/Makespan).
استراتيجية التصحيح بأقل تعديل: يوضح البحث أنه يمكن تحقيق قابلية تنفيذ عالية من خلال تعديلات محلية وبسيطة بدلاً من إعادة توليد الخطة بالكامل، مما يحافظ على القصد الأصلي للمولد.

النتائج التجريبية
تم تقييم إطار العمل على مهمتين محاكاتين في البناء:

تجميع الجدران المقيد بالبطارية: يجب على روبوت واحد بناء جدار مع إدارة عمر البطارية.
- النتائج: كثيراً ما انتهك نهج "المولد فقط" قيود البطارية. حققت جميع التكوينات الهجينة (GPT-4 + Gemma/LLaMA/Mistral) معدل قابلية تنفيذ (FR) قدره 1.0.
- أسلوب التصحيح: قامت نماذج Gemma 3 وLLaMA 4 بإجراء تصحيحات "جراحية" (مثل إدراج خطوة شحن واحدة أو إعادة ترتيب التنقل)، مما أدى إلى تشابه نصي عالٍ (BLEU > 0.87) وأدنى تكلفة في زمن الإنجاز. أما Mistral 7B فقد اتبع نهجاً أكثر تحفظاً، حيث أضاف خطوات شحن زائدة، مما خفض درجات BLEU ولكنه حافظ على قابلية التنفيذ.
تغطية المسح وجدوى المسار: يجب على الروبوت مسح شبكة والعودة إلى نقطة البداية.
- النتائج: غالباً ما أغفل المولد تغطية خلايا معينة. حققت جميع المشرفين الهجينين معدل خطة قابلة للتنفيذ (FPR) بنسبة 100%.
- أسلوب التصحيح: قدم LLaMA 4 الإصلاح الأكثر كفاءة (إدراج عملية SCAN واحدة)، محققاً أعلى درجات BLEU وROUGE. بينما تطلب Gemma 3 انحرافاً قصيراً، وقام Mist 7B بإضافة عمليات مسح زائدة لضمان المتانة.

الأهمية والادعاءات
يزعم البحث أن تطبيق النماذج اللغوية الكبيرة أمر بالغ الأهمية لتعزيز كفاءة ومرونة المهام التشغيلية في البناء التي تتضمن روبوتات. تكمن الأهمية الأساسية في إثبات أن النهج الهجين متعدد الوكلاء يسد بفعالية الفجوة بين فهم اللغة الطبيعية للنماذج اللغوية والمتطل_بات الصارمة للتنفيذ الروبوتي.

يؤكد المؤلفون أن إطار عملهم:

يتغلب على التخطيط "قصير النظر": من خلال الفصل بين التوليد والتحقق، يتجنب النظام التناقضات المنطقية الشائعة في التخطيط أحادي الدورة للنماذج اللغوية.
يضمن السلامة والقابلية للتنفيذ: يعمل وكيل المشرف كحاجز حماية موثوق، مما يضمن أن الخطط المولدة قابلة للتنفيذ وآمنة (على سبيل المثال، لا يوجد نقص في البطارية، وتغطية كاملة).
يحافظ على التتبع: نظرًا لأن التصحيحات تكون دنيا ومحلية، تظل الجداول النهائية قريبة من القصد الأصلي للمولد، مما يسهل الفحص البشري والتسليم الموثوق للبرمجيات الوسيطة للروبوت.

تخلص الدراسة إلى أن التزاوج بين GPT-4 وGemma-3 يوفر حالياً أقوى تكوين افتراضي، حيث يوازن بين درجات الشكل النصي العالية والتحقق الموثوق من الخطة. وقد تم تحديد العمل المستقبلي في ضبط الأدوار للوكلاء والتوسع في بيئات متعددة الروبوتات غير متجانسة ذات قدرات نقل وتجميع متخصصة.