A Few Words Go a Long Way: Language Guided Robot Policy Synthesis
تقدم هذه الورقة إطار عمل ARCHITECT، الذي يستفيد من وكلاء البرمجة القائمين على النماذج اللغوية الكبيرة (LLMs) لتخليق سياسات روبوتية نمطية وقابلة للتفسير من خلال تصحيحات لغوية طبيعية تكرارية، مما يتيح مكتبة مهارات مستمرة تتفوق على نماذج الرؤية واللغة والعمل (VLA) الصندوقية السوداء في مهام المناولة المعقدة وطويلة الأمد.
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 روبوت القيام بمهمة منزلية، مثل طي قميص أو إغلاق درج. في عالم الروبوتات، هناك طريقتان رئيسيتان للقيام بذلك. الطريقة الأولى تشبه تدريب جرو صغير: أنت تعرض على الروبوت آلاف الفيديوهات لأشخاص يقومون بالمهمة، وهو يحاول حفظ النمط. يُطلق على هذا اسم "التعلم من البيانات"، وهي الطريقة التي تعمل بها العديد من الروبوتات الحديثة. لكن هناك مشكلة: إذا رأى الروبوت شيئًا مختلفًا قليلاً — مثل قميص بلون مختلف أو درج عالق قليلاً — فإنه غالبًا ما يرتبك ويفشل، ولا أحد يعرف لماذا فشل لأن عقل الروبوت عبارة عن "صندوق أسود" (لغز غامض). أما الطريقة الثانية فهي تشبه إعطاء إنسان وصفة طعام. أنت تكتب خطوات محددة: "ارفع الكوب"، "تحرك إلى الطاولة"، "ضعه لأسون". هذا يسمى "توليد البرامج" (Program Synthesis). إنه واضح ومنطقي، ولكن إذا كانت الوصفة خاطئة قليلاً، فقد يصطدم الروبوت بالأشياء، وسيتعين عليك إعادة كتابة الوصفة بأكملها من الصفر.
السؤال الكبير الذي يطرحه العلماء هو: هل يمكننا الجمع بين أفضل ما في العالمين؟ هل يمكننا امتلاك روبوت يفهم لغتنا، ويتبع تعليمات واضحة، ولكنه يتعلم أيضًا من أخطائنا في الوقت الفعلي دون الحاجة إلى إعادة تدريبه من الصفر؟ هذا هو التحدي المتمثل في جعل الروبوتات ليست ذكية فحسب، بل "قابلة للتوجيه" (Steerable) — بمعنى أنه يمكننا توجيهها بسهولة عندما تخطئ، تمامًا كما نوجه صديقًا لنا.
"مهندس الروبوت" الذي يتعلم من كلماتك
تعرف على ARCHITECT، وهو عقل روبوت جديد طوره باحثون من جامعة واشنطن، ومايكروسوفت ريسيرتش، ومعهد ماساتشوستس للتكنولوجيا (MIT). فكر في ARCHITECT ليس كروبوت يحفظ الفيديوهات، بل كـ مهندس معماري فائق الذكاء للروبوتات يبني دليل تعليماته الخاص أثناء العمل.
بدلاً من محاولة التخمين عما يجب فعله عبر النظر إلى مليون صورة، يعامل ARCHITECT مهام الروبوت كأنها كتابة برنامج كمبيوتر. عندما تقول للروبوت "اطوِ المنشفة"، فهو لا يخمن فحسب؛ بل يكتب قطعة صغيرة من الكود، خطوة بخطوة، باستخدام مجموعة من "لبنات البناء" التي يعرفها بالفعل (مثل "أمسك"، "تحرك"، و"انظر").
إليك الخدعة السحرية: إذا أخطأ الروبوت، فلا يتعين عليك إعادة تدريبه. أنت فقط تتحدث إليه.
تخيل أنك تعلم روبوتًا كيفية إغلاق درج.
- المحاولة: يكتب الروبوت خطة ويحاول دفع الدرج.
- الفشل: يدفع، لكن الدرج عالق، أو يدفع بقوة شديدة مما يجعل ذراع الروبوت يهتز.
- التصحيح: تقول له: "مهلًا، الدرج عالق. حاول دفعه بلطف من الجانب، وليس من الأمام".
- الإصلاح: لا يكتفي ARCHITECT بإصلاح ذلك المرة الواحدة فقط. بل يعيد كتابة الكود لتلك الخطوة المحددة، ويحفظ القاعدة الجديدة في "مكتبة المهارات" (Skill Library) الخاصة به، ويتذكرها للأبد.
مكتبة المهارات هذه تشبه دفتر ملاحظات دائم للروبوت. في كل مرة تقدم فيها تصحيحًا، يكتب الروبوت "مهارة" جديدة في دفتر ملاحظاته. وفي المرة القادمة التي يواجه فيها مشكلة مماثلة، يتحقق من دفتر ملاحظاته أولاً. إنه يشبه امتلاك روبوت يتعلم من كل خطأ ساعدته في إصلاحه، ويصبح أكثر ذكاءً ويحتاج إلى تصحيحات أقل كل يوم.
لماذا يعد هذا أمرًا بالغ الأهمية
اختبر الباحثون هذا النظام على ذراع روبوت حقيقية (Franka Panda) مع 8 مهام صعبة مختلفة، بما في ذلك طي القماش، وإغلاق الأدراج، والتقاط موزة مخبأة تحت قطعة من القماش.
وقارنوا بين ARCHITECT وبين "النماذج المتفوقة" الحالية في تعلم الروبوتات (نماذج تسمى و ) وطرق البرمجة الأخرى. وكانت النتائج واضحة:
- فشلت نماذج الصندوق الأسود: غالبًا ما تتعثر نماذج الذكاء الاصطناعي رفيعة المستوى. على سبيل المثال، عند طلب طي قطعة قماش، قد ترفعها ولكن تفشل في طيها، أو قد ترتبك إذا غيرت صياغة جملتك. لقد فشلت بنسبة تتراوح بين 0% إلى 40% في المهام الأكثر صعوبة.
- نجح ARCHITECT: نجح ARCHITECT، بمساعدة البشر، في 80% إلى 100% من المهام. لقد تعامل مع طي القماش المعقد والموزة المخفأة بشكل أفضل بكثير.
لكن السحر الحقيقي حدث عندما نظروا إلى الجهد المبذول:
- في البداية، احتاج الروبوت إلى حوالي 4.7 تصحيح من الإنسان لإنجاز المهمة بشكل صحيح.
- ولكن بمجرد أن بنى الروبوت مكتبة مهاراته من المهام السابقة، لم يحتج إلا إلى 0.8 تصحيح للمهام الجديدة المشابهة. في الواقع، 3 من كل 6 أشخاص في الدراسة لم يحتاجوا إلى تقديم أي تصحيحات للمهمة الثانية لأن الروبوت تعلم بالفعل "الحيلة" من المهمة الأولى.
ما لا يستطيع الروبوت فعله (حتى الآن)
توضح الورقة البحثية بحذر أن ARCHITECT ليس مثاليًا. فهو يعتمد على "الأدوات" التي يمتلكها، مثل عينيه (الكاميرات) ويديه (المقابض). إذا كانت الكاميرا لا ترى جيدًا، أو إذا كانت يد الروبوت خرقاء جدًا للإمساك بكرة منزلقة، فقد يظل ARCHITECT يعاني. وجد الباحثون أن أكبر نقطة فشل للروبوت كانت الإمساك بالأشياء — فإذا لم يتمكن الروبوت من الإمساك بالشيء بشكل صحيح في المقام الأول، فلن ينفع أي قدر من الكلام في إصلاح الأمر.
أيضًا، يحتاج الروبوت إلى بشر لمساعدته. لا يمكنه إصلاح كل مشكلة بمفرده. أظهرت الدراسة أنه إذا قدم الإنسان تصحيحًا واحدًا فقط، فقد لا يتعلم الروبوت ما يكفي للتعامل مع موقف جديد. إنه يحتاج إلى بضعة تصحيحات جيدة لبناء "دفتر ملاحظات" قوي للمهارات.
الخلاصة
تشير هذه الورقة إلى أن مستقبل الروبوتات قد لا يكون متعلقًا بتغذيتها بملايين الفيديوهات لحفظها. بدلاً من ذلك، قد يكون متعلقًا بالحوار. من خلال معاملة التحكم في الروبوت ككتابة كود برمجي والسماح للبشر بإصلاح الأخطاء بكلمات بسيطة، يمكننا بناء روبوتات تكون:
- قابلة للتفسير: نحن نعرف بالضبط ما يفعلونه لأنهم يكتبون خططهم الخاصة.
- قابلة للتكيف: يمكنهم تعلم حيل جديدة دون الحاجة إلى إعادة تدريب مكلفة.
- فعالة: يصبحون أفضل مع كل كلمة ننطقها لهم.
وكما قال المؤلفون: "الكلمات القليلة تقطع شوطًا طويلًا". مع ARCHITECT، يمكن لتصحيح بسيط اليوم أن يوفر ساعات من المشاكل غدًا، مما يحول الروبوت المتعثر إلى شريك مفيد يستمع حقًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.