Data Pyramid for Embodied Manipulation: A Survey
تقترح هذه الدراسة الإستقصائية إطار عمل "هرم البيانات" الذي يصنف خمسة مصادر متكاملة للبيانات المتجسدة بناءً على المقايضة بين القابلية للتوسع والمواءمة الروبوتية، مع تحليل كيفية تأثير تركيبات البيانات المختلفة على قدرات النماذج التأسيسية المتجسدة وتحديد التحديات الرئيسية لتعلم الروبوتات في المستقبل.
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 كيفية صنع شطيرة. لا يمكنك مجرد إعطائه كتاباً عن الشطائر وتوقع أن يعرف كيف يمسك سكيناً أو يوزع المايونيز. أنت بحاجة إلى تعليمه "كيفية" القيام بذلك. هذا هو عالم "الذكاء الاصطناعي المتجسد" (Embodied AI) — الروبوتات التي تمتلك أجساداً، وتستطيع رؤية العالم، والتحرك فيزيائياً حول الأشياء. لفترة طويلة، اعتقد العلماء أن أفضل طريقة لتعليم هذه الروبوتات هي جعلها تتدرب ملايين المرات في العالم الحقيقي، تماماً كما يتعلم الإنسان ركوب الدراجة. لكن ذلك بطيء، ومكلف، وخطير إذا كسر الروبوت شيئاً ما.
مؤخراً، برزت فكرة جديدة: ماذا لو علمنا الروبوتات كما نعلم البشر؟ نقوم بتغذيتها بكميات هائلة من بيانات الإنترنت — الصور، الفيديوهات، والنصوص — لكي تتعلم كيف "ترى" و"تتحدث" وتفهم العالم قبل أن تلمس أي جسم مادي. هذا الأسلوب يعمل بشكل رائع مع برامج الدردشة الآلية (Chatbots) أو مولدات الصور. لكن الروبوتات تواجه مشكلة: فهي بحاجة لمعرفة كيفية "تحريك" أذرعها وأصابعها، وليس فقط وصف صورة. الإنترنت مليء بصور الشطائر، لكنه سيء جداً في إظهار كيفية إمساك اليد للسكين بدقة دون إسقاطه. تسأل هذه الورقة البحثية سؤالاً كبيراً: كيف نخلط "معرفة الإنترنت" مع "الممارسة في العالم الحقيقي" لبناء روبوت يتسم بالذكاء والبراعة في الحركة معاً؟
قرر مؤلفو هذه الورقة، وهم فريق ضخم من الباحثين من جامعات حول العالم، تنظيم كومة بيانات تدريب الروبوتات الفوضوية في هيكل منظم يسمونه "هرم البيانات". فكر في الأمر كأنه هرم غذائي للروبوتات. في قمة الهرم، لديك المكونات الأكثر قيمة وجودة ولكن الأصعب في الحصول عليها: وهي البيانات التي يتم جمعها مباشرة من روبوتات حقيقية تقوم بمهام حقيقية. إنها "المعيار الذهبي" لأنها بالضبط ما يحتاجه الروبوت للتعلم، ولكن من الصعب جداً جمعها لذا لا يمكنك الحصول إلا على القليل منها.
كلما نزلت إلى أسفل الهرم، تصبح البيانات أسهل وأرخص في الحصول عليها، لكنها تصبح أقل مثالية في تعليم روبوت معين. الطبقة التالية هي "بيانات UMI"، حيث يستخدم البشر أدوات خاصة محمولة باليد لمحاكاة حركات الروبوت دون الحاجة لوجود روبوت فعلي. وأدنى من ذلك، توجد فيديوهات لبشر يقومون بأشياء (مثل الطبخ أو التنظيف) من وجهة نظرهم الخاصة. هذه الفيديوهات رائعة في إظهار "ماذا" يجب أن يُفعل، ولكن عليك ترجمة حركات اليد البشرية إلى حركات ذراع الروبوت. وفي مستوى أدنى، توجد "بيانات المحاكاة" — حيث تتدرب الروبوتات في ألعاب الفيديو. هذا النوع سريع ورخيص جداً في التوليد، لكن أحياناً تكون الفيزياء في اللعبة مثالية للغاية، مما قد يجعل الروبوت يشعر بالارتباك عندما يحاول القيام بنفس الشيء في العالم الحقيقي الفوضوي. وأخيراً، في أسفل الهرم، توجد بيانات الإنترنت العامة الضخمة (الصور، النصوص، الفيديوهات) التي تعلم الروبوت عن العالم بشكل عام، لكنها لا تخبره بكيفية تحريك مفاصله.
لا تكتفي الورقة بسرد هذه الطبقات فحسب؛ بل تحلل كيف تستخدم أحدث عقول الروبوتات المتطورة هذه البيانات فعلياً. لقد وجدوا أن أذكى نماذج الروبوتات اليوم لا تستخدم نوعاً واحداً فقط من البيانات. بدلاً من ذلك، هي "تطبخ" بمزيج من كل هذه المكونات. فقد تبدأ بكتلة ضخمة من بيانات الإنترنت العامة لتتعلم ماهية "الكوب" أو "الملعقة"، ثم تضيف فيديوهات بشرية لتتعلم كيف يتفاعل الناس معها، وأخيراً تقوم بضبط كل شيء بدقة (Fine-tuning) باستخدام كمية أصغر من بيانات الروبوت الحقيقية للتأكد من أن الحركات ممكنة فيزيائياً.
يقترح الباحثون أن نهج هذا "الهرم" هو المفتاح للمستقبل. ويجادلون بأننا لا نستطيع الاستمرار في جمع المزيد من بيانات الروبوتات الحقيقية لأن ذلك بطيء ومكلف للغاية. بدلاً من ذلك، نحتاج إلى أن نصبح أفضل في خلط هذه المصادر المختلفة. كما يشيرون إلى بعض الأمور التي لا نزال نفتقدها. على سبيل المثال، معظم البيانات تظهر الروبوتات وهي تقوم بالأشياء "بنجاح" فقط. ليس لدينا ما يكفي من البيانات حول متى "تفشل" الروبوتات وكيف تعالج أخطاءها. إذا أسقط الروبوت كوباً، فنحن بحاجة لتعليمه كيف يلتقطه مرة أخرى، وليس فقط كيف يمسكه بشكل مثالي في المرة الأولى. كما لاحظوا أن الروبوتات بحاجة لتعلم كيفية "الشعور" بالأشياء (بيانات اللمس)، وليس فقط رؤيتها، وهو أمر تعاني مجموعات البيانات الحالية من نقص في توفيره.
باختصار، هذه الورقة هي خارطة طريق للجيل القادم من الروبوتات. إنها تخبرنا أنه لبناء روبوت مفيد حقاً، لا يمكننا الاعتماد على مصدر واحد فقط للمعلومات. نحن بحاجة لدمج المعرفة الواسعة للإنترنت مع الدروس الفيزيائية المحددة من الممارسة في العالم الحقيقي، وتنظيم ذلك كله بطريقة ذكية. الأمر لا يتعلق بإيجاد مجموعة بيانات سحرية واحدة؛ بل يتعلق بتعلم كيفية مزج "الماهية" (المعرفة العامة) مع "الكيفية" (العمل الفيزيائي) لخلق روبوت يمكنه حقاً مساعدتنا في حياتنا اليومية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.