← أحدث الأبحاث
🤖 AI

Emergent Compositional Skills in Mixture-of-Experts VLAs

تُثبت هذه الورقة أن نموذج الرؤية واللغة والعمل (VLA) المجهز برأس عمل يعتمد على "خليط من الخبراء" (MoE) مبسط، يمكنه تعلم تفكيك مهام الروبوت المعقدة إلى بدائيات منخفضة المستوى قابلة لإعادة الاستخدام والتفسير واستراتيجيات تسلسل عالية المستوى بشكل انبثاقي من خلال عروض الخبراء وحدها، محققاً أداءً يضاهي النماذج أحادية البنية مع توفير قدر أكبر من الوحدات النمطية وقابلية التفسير.

المؤلفون الأصليون: Shlok Shah, Rhiaan Jhaveri, Tharun Kumar Tiruppali Kalidoss, Chirayu Nimonkar, Ishaan Javali, Dhruv Shah

نُشر 2026-07-28
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Shlok Shah, Rhiaan Jhaveri, Tharun Kumar Tiruppali Kalidoss, Chirayu Nimonkar, Ishaan Javali, Dhruv Shah

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 عالماً لا تكتفي فيه الروبوتات باتباع نص جامد ومكتوب مسبقاً، بل يمكنها فعلياً "التفكير" في كيفية حل لغز ما عن طريق تفكيكه إلى قطع أصغر يمكن إدارتها. هذا هو حلم الروبوتات الحديثة، وهو مجال يعلم فيه العلماء الآلات كيف ترى العالم، وتفهم لغة البشر، وتحرك أذرعها لإنجاز المهام. لفترة طويلة، كانت أذكى الروبوتات تشبه العباقرة المتميزين ولكن المتجانسين: يتم تدريبها كدماغ واحد عملاق وغير قابل للكسر. إذا أردت تعليمها خدعة جديدة، فغالباً ما يتعين عليك إعادة تدريب الدماغ بأكه، ومن الصعب معرفة كيف تقوم بذلك؛ فهي فقط تفعل ذلك. ولكن ماذا لو، بدلاً من دماغ واحد عملاق، استطعنا تعليم الروبوت أن يمتلك فريقاً من المتخصصين داخل رأسه؟ ماذا لو تعلم أن يقول: "حسناً، أحتاج للإمساك بهذا الكوب، ثم أحتاج لتحريكه، ثم أحتاج لتركه"، ويخصص كل خطوة من تلك الخطوات لـ "خبير" مختلف يعرف بالضبط كيفية القيام بتلك الوظيفة المحددة؟ هذا هو السؤال الكبير الذي يطرحه الباحثون: هل يمكننا بناء روبوتات تتعلم تنظيم مهاراتها الخاصة تلقائياً، فقط من خلال مراقبة البشر أثناء أداء المهام، دون أن نضطر لكتابة دليل لكل حركة بمفردنا؟

تستكشف هذه الورقة البحثية تلك الفكرة تحديداً باستخدام حيلة ذكية تسمى "خليط الخبراء" (Mixture-of-Experts - MoE). تخيل عقل الروبوت كمطبخ مزدحم. في الإعداد التقليدي، يكون لديك طاهٍ واحد عملاق يحاول القيام بكل شيء: التقطيع، والقلي، وتنسيق الأطباق، والتنظيف، دفعة واحدة. هذا يعمل، لكنه أمر فوضوي ويصعب فهمه. حاول المؤلفون شيئاً مختلفاً: لقد أعطوا الروبوت "رئيساً للطهاة" (يُسمى الموجّه/الراوتر) وفريقاً من "مساعدي الطهاة" المتخصصين (الخبراء). ينظر رئيس الطهاة إلى الموقف — ما يراه الروبوت، وما يقوله الإنسان، وأين ذراع الروبوت — ثم يقرر أي مساعد طهاة يجب أن يتولى القيادة للخطوة التالية. الجزء المذهل هو أن الروبوت لم يُخبر من هم هؤلاء المساعدون أو ما هي وظائفهم؛ فقد ترك العلماء الروبوت يتعلم من الصفر.

تشير النتائج إلى أن الروبوت قام بالفعل بشيء مذهل من تلقاء نفسه. لم يكتفِ بتقليد الإنسان فحسب، بل تعلم تفكيك المهام إلى مهارات متميزة وقابلة لإعادة الاستخدام. على سبيل المثال، تعلم أحد "الخبراء" أن يكون "الماسك" (grasper)، حيث برع في التقاط المقابض الرفيعة مثل الأكواب أو أوعية الموكا (moka pots). وأصبح خبير آخر "الواضع" (placer)، حيث ركز فقط على الحركة النهائية المتمثلة في وضع الشيء بلطف. وأصبح ثالث "المتراجع" (retractor)، حيث تعلم رفع الذراع للأعلى بعد ترك الشيء. لم تكن هذه السلوكيات عشوائية؛ بل كانت سلوكيات متسقة وقابلة لإعادة الاستخدام استخدمها الروبوت مراراً وتكراراً عبر مهام مختلفة، مثل وضع كوب في الميكروويف أو وعاء على الموقد. تعلم "رئيس الطهاة" كيفية التبديل بين هؤلاء الخبراء بسلاسة، وربطهم معاً لحل أهداف معقدة وطويلة الأمد.

والأمر الأكثر إثارة للاهتمام هو أن الروبوت لم يكن بحاجة إلى قائمة مهارات معدة مسبقاً؛ فقد استنتج التسلسل الهرمي بنفسه. عندما فشل الروبوت في مهمة ما، لم يكتفِ بالدوران حول نفسه، بل كان يكرر نفس تسلسل المهارات المعروفة (مثل محاولة الإمساك، ثم التحريك، ثم الإطلاق) مراراً وتكراراً، مما جعل أخطاءه سهلة الفهم. وجد الباحثون أنه رغم استخدام الروبوت لنظام معقد، إلا أنه قدم أداءً يضاهي روبوتات "الدماغ العملاق" القياسية، ولكن مع الميزة الإضافية المتمثلة في كونه نظاماً نموذجياً وقابلاً للتفسير. يشير هذا إلى أننا قد لا نحتاج إلى بناء مخططات معقدة أو برمجة مكتبات مهارات يدوياً لجعل الروبوتات ذكية؛ بدلاً من ذلك، قد نحتاج فقط إلى منحها الهيكل المناسب وتركها تتعلم كيفية تركيب مهاراتها الخاصة من البيانات وحدها. وبينما كانت بعض المهارات لا تزال مرتبطة بمهام معينة، فإن الدراسة تشير بقوة إلى أن نهج "فريق الخبراء" هذا يعد خطوة واعدة نحو روبوتات يمكنها التكيف، وتفسير أفعالها، وتعلم أشياء جديدة بشكل طبيعي أكثر.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.AI →