Learning Social Robot Navigation By Sensing Human Legs
تقدم هذه الورقة CALF، وهي بنية عصبية شاملة (end-to-end) تم تدريبها في محاكي مخصص لتفسير حركة الساق البشرية من مسوحات ليدار (LiDAR) منخفضة التثبيت، مما يتيح ملاحة روبوتية متوافقة اجتماعياً تم التحقق من نجاحها من خلال النشر في العالم الحقيقي بنمط الصفر الاستباقي (zero-shot).
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 حيث الروبوتات هي الوجوه الجديدة في الحي، تحاول التنقل في رصيف مدينة صاخبة. لكي يتحرك الروبوت بأمان، يحتاج إلى فهم أين يتواجد الناس وكيف يتحركون. هذا هو مجال الملاحة الاجتماعية للروبوتات (Social Robot Navigation). فكر في الأمر كأنك تعلم روبوتاً كيف يكون شريك رقص مهذباً بدلاً من أن يكون آلة خرقاء تصطدم بكل ما يقابلها. وللقيام بذلك، تستخدم معظم الروبوتات مستشعراً يسمى ليدار (LiDAR)، والذي يعمل مثل نظام السونار لدى الخفافيش، حيث يطلق أشعة ليزر غير مرئية لرسم خريطة للعالم. معظم الروبوتات لديها هذا المستشعر مثبت في مكان منخفض، بالقرب من "كاحليها"، لأن ذلك رخيص وسهل التركيب. ومع ذلك، فإن هذه الزاوية المنخفضة تخلق مشكلة صعبة: لا يستطيع الروبوت رؤية جسم الشخص بالكامل؛ بل يرى فقط أرجلهم وهي تتحرك ذهاباً وإياباً.
لفترة طويلة، حاول العلماء حل هذه المشكلة عبر التظاهر بأن الناس مجرد دوائر أو أقراص بسيطة عائمة. الأمر يشبه محاولة التنقل في ساحة رقص عبر رؤية بالونات عائمة فقط بدلاً من رؤية الراقصين من أقدامهم. هذا الأسلوب يعمل بشكل جيد في غرفة هادئة، لكنه يفشل في وسط حشد مزدحم ومتحرك، لأن الروبوت لا يفهم إيقاع المشي. فهو لا يعرف أن هناك ساقاً على وشك التأرجح للأمام، أو أن حذاءً قد يبرز لمسافة أبعد مما يتوقعه الروبوت. تتناول هذه الورقة البحثية هذه الفجوة تحديداً: كيف يمكن للروبوت أن يتعلم الرقص مع البشر بينما لا يرى سوى أرجلهم؟
العلماء وراء هذه الدراسة، الذين عملوا باستخدام محاكي بنوه بأنفسهم يسمى LegNav، قرروا التوقف عن التظاهر بأن الناس مجرد دوائر عائمة. بدلاً من ذلك، علموا الروبوت أن يرى العالم تماماً كما يراه مستشعره المنخفض: كزوج من الأرجل المنفصلة والمتحركة. لقد ابتكروا "دماغًا" جديدًا للروبوت يسمى CALF (والذي يرمز لـ "الاهتمام الالتفافي لميزات الأرجل" - Convolutional Attention for Leg Features). يمكنك التفكير في CALF كمدرب رقص شديد الملاحظة؛ فبدلاً من مجرد النظر إلى الشكل العام للشخص، يراقب CALF الإيقاع المحدد للأرجل. إنه يستخدم نوعاً خاصاً من الرؤية الحاسوبية التي تراقب مجموعة من عمليات مسح الليزر عبر الزمن، ملاحظاً كيف تتبادل الأرجل بين السكون والتأرجح للأمام.
لتدريب دماغ الروبوت هذا، لم يكتفِ العلماء بعرض الصور عليه؛ بل وضعوه في لعبة فيديو افتراضية حيث تعين عليه التعلم من خلال التجربة والخطأ، وهي طريقة تسمى التعلم المعزز (Reinforcement Learning). في هذه اللعبة، يحصل الروبوت على نقاط عند وصوله إلى وجهته، ويخسر نقاطاً إذا اصطدم بأي شخص أو تحرك بشكل متقطع وغير منتظم. والأهم من ذلك، أنهم علموا الروبوت قاعدة اجتماعية محددة وهي: "إفساح الطريق" (Yielding). فإذا كان شخص ما يمشي مباشرة أمام الروبوت، يجب على الروبوت التوقف والانتظار، تماماً كما يفعل الإنسان المهذب. حتى أنهم أنشأوا نموذج "مشية غير انزلاقية" (Non-Slip Gait) للبشر الافتراضيين، مما يضمن أن أقدامهم لا تنزلق على الأرض كأنهم على الجليد، بل تغرس بقوة وتتأرجح، محاكيةً مشية البشر الحقيقية. كان هذا الاهتمام بالتفاصيل الدقيقة لحركة القدم هو "الخلطة السرية".
كانت نتائج تجاربهم كاشفة للغاية. فعندما اختبروا روبوت CALF الجديد مقابل الطرق القديمة التي كانت تعامل الناس كدوائر بسيطة، كان الفرق كالفرق بين الليل والنهار. كانت روبوتات "الدائرة" القديمة خرقاء؛ فغالباً ما كانت تصطدم بالناس أو تتعثر لأنها لم تكن قادرة على التنبؤ بمكان وضع القدم. أما روبوت CALF، فقد تعلم التنقل بسلاسة. في محاكاتهم، وصل إلى هدفه بنسبة 95% تقريباً، مع الحفاظ على نسبة تصادمات نشطة (حيث يصطدم الروبوت بشخص ما) منخفضة جداً عند 3.3% فقط. كما تعلم التوقف والانتظار عند الضرورة، محققاً "درجة إفساح طريق" (Yielding Score) بلغت 32.4%، مما يعني أنه عرف متى يتوقف من أجل أحد المشاة.
ولعل الجزء الأكثر إثارة هو أن هذا لم يكن مجرد انتصار في لعبة كمبيوتر. فقد أخذ الباحثون أفضل نسخة من دماغ الروبوت ووضعوها على روبوت حقيقي، وهو TurtleBot 4، دون إجراء أي تعديلات إضافية. أرسلوه إلى غرفة حقيقية بها أشخاص حقيقيون يسيرون حوله. نجح الروبوت، الذي لا يرى سوى أرجل الناس، في التنقل عبر الحشد، متوقفاً لترك الناس يمرون ومتحركاً حولهم بأمان. وهذا يشير إلى أنه من خلال الانتباه للحركة الإيقاعية المحددة لأرجل البشر بدلاً من معاملتهم ككتل بسيطة، يمكن للروبوتات أن تتعلم كيف تكون رفقاء أكثر أماناً وتهذيباً في عالمنا الصاخب. تُظهر الورقة البحثية أنه إذا كنت تريد من الروبوت أن يمشي معك، فعليك أن تعلمه أن يراقب قدميك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.