: Reactive Real-time Flow Policies
تقدم الورقة البحثية ، وهو إطار عمل يعزز سياسات تدفق تقطيع الأفعال العامة بالقدرة على التفاعل في الوقت الفعلي من خلال فصل التكييف الحسي العميق السريع عن التكييف البصري البطيء واستخدام جدول تدفق متكيف مع زمن التأخير، مما يتيح التحكم في الحلقة المغلقة بتردد عالٍ ويحسن معدلات النجاح بشكل كبير في مهام المعالجة الديناميكية دون الحاجة إلى بنيات هيكلية جديدة.
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 تعلم روبوتًا كيفية التلاعب بالكرات (الجوغلة). في عالم الروبوتات، هناك توجه كبير لبناء "نماذج تأسيسية" — وهي عقول ذكاء اصطناعي ضخمة وفائقة الذكاء يمكنها تعلم القيام بأي شيء تقريبًا من خلال مراقبة البشر. هذه العقول تشبه المكتبات العملاقة من المعرفة، حيث تقرأ الكتب (النصوص) وتنظر إلى الصور (الرؤية) لفهم العالم. ولجعل هذه العقول تتحرك، يستخدم المهندسون حيلة تسمى "تجزئة الأفعال" (action chunking). فبدلاً من إخبار الروبوت "حرك يدك هنا، ثم هناك، ثم هناك" خطوة صغيرة تلو الأخرى، يتنبأ الذكاء الاصطناعي بكتلة كاملة من الحركات المستقبلية دفعة واحدة، تمامًا مثل طاهٍ يكتب وصفة كاملة قبل البدء في الطهي. هذا يجعل حركات الروبوت أكثر سلاسة واتساقًا.
ومع ذلك، هناك عقبة. نظرًا لأن الذكاء الاصطناعي ضخم ومعقد، فإنه يستغرق وقتًا طويلًا لـ "طهي" تلك الوصفة الكاملة. وبحلول الوقت الذي ينتهي فيه الروبوت من تنفيذ الخطوات القليلة الأولى من الوصفة، قد يكون العالم من حوله قد تغير — ربما تدحرجت كرة بعيدًا، أو اصطدم شخص ما بذراعه. وبما أن الروبوت مشغول بتنفيذ الوصفة القديمة بنظام "الحلقة المفتوحة" (أي دون النظر إلى ما يحدث الآن)، فإنه لا يستطيع التفاعل بسرعة كافية. الأمر يشبه محاولة قيادة سيارة وأنت ترتدي عصابة عين لا تسمح لك برؤية الطريق إلا كما كان قبل عشر ثوانٍ من الآن. إذا كنت تريد للروبوت أن يكون تفاعليًا حقًا، فأنت بحاجة لأن ينظر إلى الطريق "الآن"، لكن العقل الضخم بطيء جدًا لتحديث وصفته بهذا المعدل.
هنا يأتي دور فكرة جديدة تسمى πR2 (تُنطق "باي آر سكويرد"). أدرك الباحثون في جامعة كارنيجي ميلون أنه بينما تكون "عيون" الروبوت و"عقله" (أجزاء الرؤية واللغة) بطيئة وثقيلة، فإن "إحساس جسده" (الحس العميق - proprioception، أي معرفة أين توجد مفاصله، ومدى سرعة حركتها، وقوة ضغطها) سريع للغاية. لقد بنوا نظامًا يقسم انتباه الروبوت إلى قناتين: قناة بطيئة وثقيلة للصورة الكبيرة (كيف يبدو الشيء)، وقناة سريعة للغاية لإحساس الجسد الفوري.
فكر في الأمر كطيار يقود طائرة. ينظر الطيار إلى الخريطة وتقارير الطقس (الجزء البطيء من الرؤية) ليقرر الاتجاه العام، لكنه يشعر باستمرار بأدوات التحكم والرياح في يديه (الحس العميق السريع) ليقوم بتعديلات دقيقة وسريعة جدًا. تتيح πR2 للروبوت القيام بنفس الشيء؛ فهي تحتفظ بالوصفة البطيئة والثقيلة للخطة العامة، ولكنها تُحدث حركات "مقود القيادة" الفورية ببيانات طازجة في كل مرة يحرك فيها الروبوت عضلة من عضلاته.
تظهر الورقة البحثية أن هذا النهج يغير قواعد اللعبة. فمن خلال استخدام حيلة جدولة ذكية تعامل أفعال الروبوت الحالية كـ "عمل قيد التنفيذ" بدلاً من منتج نهائي، تستطيع πR2 تحديث خطتها أسرع بنحو 4 مرات من الطرق السابقة. وفي الاختبارات، سمح هذا للروبوت بالتفاعل مع المعلومات الجديدة كل 40 مللي ثانية (أي 25 مرة في الثانية)، حتى أثناء تشغيل نموذج ذكاء اصطناعي ضخم وبطيء.
النتائج مبهرة. في المحاكاة الحاسوبية، حسنت الطريقة الجديدة معدلات النجاح بنسبة تصل إلى 23%. لكن السحر الحقيقي حدث في العالم الحقيقي. فعند اختبارها على ذراع روبوت حقيقية مع يد بارعة، تفوقت πR2 على أفضل الأساليب الموجودة بنسبة تصل إلى 30%. استطاعت التقاط كتاب ساقط، ودفع صندوق ليقف مستقيمًا، وترتيب كومة من الكتب دون إسقاطها، وكل ذلك لأنها استطاعت الشعور بتغير العالم وتعديل قبضتها فورًا، بدلاً من اتباع خطة قديمة بشكل أعمى. وجد الباحثون أنه بينما قد تقوم الروبوتات الأخرى بسحق كتاب بسبب رد فعلها المتأخر، فإن πR2 تعدل قبضتها بلطف في اللحظة التي تشعر فيها بانزلاق الكتاب. وهذا يشير إلى أنه لكي تتقن الروبوتات المهام الديناميكية في العالم الحقيقي، لا تحتاج فقط لأن تكون أذكى، بل تحتاج أيضًا لأن تكون أسرع في الاستماع إلى أجسادها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.