ECo-MoE: Embodiment-Conditioned Mixture of Experts Increases the Evolvability of Robots
تقدم الورقة البحثية ECo-MoE، وهو إطار عمل قابل للتوسع يعمل على التحسين المشترك لمورفولوجيا الروبوت ومزيج بوابي من خبراء التحكم لتمكين التطور الفعال والنمطي حيث يتم الحفاظ على المعرفة السلفية ويمكن توجيه التصاميم الجديدة من خلال سياسات مدربة مسبقاً عبر عملية "التطور عن طريق العرض التوضيحي".
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 عائلة كاملة من الروبوتات كيف تمشي، ولكن كل روبوت في هذه العائلة يمتلك شكلاً جسدياً مختلفاً قليلاً. فبعضها طويل ونحيف، وبعضها قصير وعريض، وبعضها يمتلك أرجلًا إضافية.
في الماضي، واجه العلماء خياراً صعباً:
- نهج "المقاس الواحد للجميع": تدريب عقل واحد عملاق ومعقد للغاية للتحكم في كل روبوت. المشكلة هي أن هذا العقل يصبح "محافظاً"؛ فهو يلعب دور الآمن، مما يؤدي إلى حركة الروبوتات ببطء وبشكل غريب لأن العقل يحاول إيجاد حل وسط يعمل للجميع ولكنه لا يتفوق في أي منها.
- نهج "العقل المخصص": تدريب عقل جديد ومخصص لكل روبوت على حدة. المشكلة هنا هي أن هذا الأمر بطيء ومكلف للغاية، تماماً مثل استئجار مدرس خصوصي لكل طالب في مدرسة ضخمة.
يقدم هذا البحث حلاً وسطاً ذكياً يسمى ECo-MoE (خليط الخبراء المشروط بالتجسد). فكر في الأمر كأنه فريق متخصص من المدربين يعملون معاً.
تشبيه "فريق المدربين"
بدلاً من عقل واحد عملاق أو ألف عقل مخصص، يمتلك الروبوت فريقاً صغيراً مكوناً من أربعة شبكات عصبية "خبيرة" (مدربين).
- الخبير الأول: بارع في التحكم في الأجسام الطويلة التي تشبه الثعابين.
- الخبير الثاني: بارع في التحكم في الأجسام القصيرة والمكتنزة.
- الخبير الثالث والرابع: لديهما تخصصاتهما الخاصة.
ولكن إليك السحر: الروبوت لا يختار مدرباً واحداً فقط، بل لديه مدير ذكي (يسمى "شبكة البوابة"). ينظر هذا المدير إلى شكل جسم الروبوت (النمط الجيني أو المخطط الأساسي) ويقرر مقدار الاستماع لكل مدرب.
- إذا كان الروبوت طويلاً ونحيفاً، يقول المدير: "استمع بنسبة 90% للخبير الأول و10% للخبير الثاني".
- إذا كان الروبوت قصيراً وعريضاً، يقول: "استمع بنسبة 80% للخبير الثالث".
هذا يسمح للنظام بتطوير أشكال جسدية جديدة دون كسر العقل. فإذا تطور شكل جسم غريب وجديد، يمكن للمدير ببساطة تعديل مزيج المدربين للتعامل معه، دون الحاجة إلى التخلص من المعرفة التي تعلمها المدربون بالفعل.
"التطور عبر العرض": التعلم من المخطط
يقدم البحث أيضاً ميزة تسمى "Evo by Demo" (التطور عبر العرض التوضيضي).
تخيل أن لديك تصميماً معيناً لروبوت يعجبك حقاً (عرض توضيحي)، مثل ماشٍ مثالي بأربع أرجل. عادة ما يكون التطور عشوائياً؛ إنه يشبه رمي السهام في الظلام على أمل إصابة الهدف.
- الطريقة القديمة: قد تنتظر وقتاً طويلاً حتى يصادف التطور بالصدفة ذلك الشكل المثالي.
- طريقة ECo-MoE: يمكنك أخذ ذلك التصميم المثالي، وتدريب أحد "المدربين الخبراء" خصيصاً عليه، ثم تجميد عقل ذلك الخبير. بعد ذلك، تخبر عملية التطور: "مهلاً، إذا بدا روبوت جديد مشابهاً لعرضنا التوضيحي المثالي، فاستمع لهذا الخبير أكثر".
هذا يعمل مثل المغناطيس. فهو يسحب التطور العشوائي بلطف نحو الشكل الذي تريده، ويوجه الروبوتات لتتطور إلى الأشكال المرغوبة التي تضعها في ذهنك، بدلاً من مجرد أشكال عشوائية.
ماذا وجدوا؟
اختبر الباحثون هذا في عالم محاكى من خلال ثلاثة تحديات:
- الأرض المستوية: المشي على أرضية ناعمة. (هنا، كانت الطريقة الجديدة جيدة بقدر الطريقة القديمة "مقاس واحد للجميع". فالمهام البسيطة لا تحتاج إلى فريق معقد من المدربين).
- المشي المنتصب: المشي مع الحفاظ على الاستقامة (مثل البشر). (كانت الطريقة الجديدة أفضل بكثير. فقد طورت روبوتات يمكنها الوقوف والمشي بفعالية أكبر بكثير).
- الحفر: المشي فوق أرض وعرة ومكسرة. (مرة أخرى، كانت الط طريقة الجديدة أفضل بكثير. فقد استطاع فريق المدربين التكيف مع التضاريس الوعرة بشكل أسرع من العقل العملاق الواحد).
الصورة الكبيرة
الخلاصة الرئيسية هي أنه من خلال استخدام فريق نموذجي من الخبراء يتكيف مع جسم الروبوت، يمكن للروبوتات أن تتطور بشكل أسرع وتتعلم سلوكيات أفضل، خاصة عندما تصبح المهام صعبة أو البيئة غير منتظمة. إنه يشبه الانتقال من قائد عام واحد مثقل بالأعباء إلى مركز قيادة مرن ومتخصص يمكنه التعامل مع أي نوع من الأجسام التي تفرضها الطبيعة (أو التطور).
كما يشير البحث إلى أنه بينما يعمل هذا بشكل رائع في محاكاة الكمبيوتر، فإن الروبوتات بدأت للتو في البناء في الواقع، والخطوة التالية هي معرفة ما إذا كان هذا سيعمل على آلات مادية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.