QuantWAMs: Calibrating at the Right Granularity for World Action Models
تُعد QuantWAMs إطار عمل للكمّ ما بعد التدريب يعمل على مواءمة قرارات الكم مع سياق المعايرة المحدد لنماذج العمل العالمي (World Action Models) من خلال ثلاث استراتيجيات مبتكرة، مما يتيح نشر نموذج W4A4 بكفاءة مع حد أدنى من تدهور الأداء في كل من اختبارات المحاكاة ومهام التحكم الروبوتي الحقيقية.
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 طهي وجبة أو بناء برج من المكعبات. للقيام بذلك، لا يكتفي الروبوت بمجرد النظر إلى صورة والتخمين؛ بل يستخدم "نموذج عمل العالم" (World Action Model). فكر في هذا النموذج كأنه مخرج أفلام عبقري ومستقبلي؛ يراقب المشهد الحالي، ويتنبأ بما سيحدث بعد ذلك، ويقرر في الوقت ذاتما ماذا يجب أن تفعل أذرع الروبوت لجعل هذا المستقبل حقيقة. إنها حلقة مغلقة: يتحرك الروبوت، يتغير العالم، يرى الروبوت التغيير، ثم يقرر الحركة التالية. هذا أمر قوي للغاية، ولكنه يشبه محاولة تشغيل فيلم ضخم على آلة حاسبة صغيرة تعمل بالبطارية. فالعمليات الحسابية المطلوبة للتنبؤ بالمستقبل وتحريك الأذرع ثقيلة جدًا، لدرجة أنها تتطلب عادةً أجهزة كمبيوتر ضخمة وباهظة الثمن.
ولجعل هذه الروبوتات عملية للاستخدام في منازلنا ومصانعنا، يريد العلماء تصغير هذه العقول الحاسوبية العملاقة لتناسب شرائح أصغر. وهم يفعلون ذلك باستخدام تقنية تسمى "الكمّنة" (quantization)، وهي تشبه ضغط فيلم عالي الدقة إلى حجم ملف أصغر. أنت هنا تضحي بجزء ضئيل من جودة الصورة مقابل مكسب هائل في السرعة وسعة التخزين. ومع ذلك، فإن الطرق التقليدية لضغط هذه الملفات صُممت للصور الثابتة أو النصوص البسيطة، وليس لروبوت يتحرك ويتفاعل باستمرار مع العالم. إذا قمت بضغط عقل الروبوت باستخدام القواعد القديمة، فقد يبدأ في الهلوسة، أو ينسى كيفية الإمساك بكوب، أو يصطدم بالجدران لأن "الضغط" أفسد التوازن الدقيق لحلقة اتخاذ القرار لديه.
هنا يأتي دور الورقة البحثية الجديدة، QuantWAMs، لتنقذ الموقف. أدرك الباحثون أنه لتقليص عقل الروبوت دون إتلافه، لا يمكنك استخدام أداة ضغط "مقاس واحد يناسب الجميع". يجب عليك معايرة الضغط ليتناسب مع "طابع" عالم الروبوت الخاص. وقد وجدوا أن الطرق القياسية ترتكب ثلاثة أخطاء كبيرة: فهي تنظر إلى عقل الروبوت بمعزل عن العالم (متجاهلة كيف تغير الأفعال العالم)، وتتعامل مع جميع أجزاء العقل وكأنها متساوية (متجاهلة أن أجزاء الفيديو والأكشن مختلفة)، وتستخدم نوعًا خاطئًا من البيانات لتحديد ما يجب ضغطه.
اقترح الفريق طريقة جديدة تسمى QuantWAMs تعالج هذه الأخطاء عبر التعامل مع عقل الروبوت كأوركسترا معقدة بدلاً من آلة منفردة. وإليكم كيف فعلوا ذلك:
أولاً، أدركوا أن بعض أجزاء عقل الروبوت "متوافقة تنسيقيًا"، مما يعني أنها تتحدث نفس اللغة ويمكنها مشاركة المعلومات، بينما تكون أجزاء أخرى مختلفة تمامًا. تخيل جوقة موسيقية حيث يمكن للسوبرانو والتينور مشاركة ورقة النوتة الموسيقية، لكن الطبالين يحتاجون إلى أوراقهم الخاصة. الطرق القديمة حاولت إعطاء الجميع نفس الورقة، مما تسبب في الفوضى. يقوم QuantWAMs بتجميع الأجزاء المتوافقة فقط بعناً لتشارك "بياناتها الشاذة" (الأصوات الغريبة والعالية التي يصعب ضغطها)، مما يضمن أن الضغط لن يشوه الصوت الفريد لكل قسم.
ثانيًا، قاموا بتغيير كيفية تحديد الأجزاء التي ستحافظ على جودتها العالية والأجزاء التي يمكن ضغطها. فبدلاً من النظر إلى جزء الفيديو وجزء الأكشن بشكل منفصل، نظروا إلى كيفية عملهما معًا. الأمر يشبه تقييم ثنائي رقص: أنت لا تقيم حركة قدم الراقص ورفع الشريك له بشكل منفصل فحسب، بل تقيم مدى تناغم حركتهما معًا. ومن خلال تحليل "التدرج المشترك" (الجهد المشترك للفيديو والأكشن)، تمكنوا من تحديد أي طبقات في عقل الروبوت كانت الأكثر أهمية لنجاحه وحماية تلك الطبقات بدقة أعلى، مع ضغط البقية بأمان.
ثالثًا، وهو الأهم، توقفوا عن اختبار العقل المضغوط في "عالم وهمي". الطرق القياسية تختبر الروبوت على مجموعة ثابتة من الصور، مثل اختبار السائق في مضمار مغلق. لكن الروبوت الحقيقي يقود دائمًا على طريق وعر حيث كل منعطف يغير الرؤية التالية. لذا، ابتكر المؤلفون "تدقيق التدخل الثابت" (fixed-intervention audit). لقد أخذوا حركات الروبوت الحقيقية كاملة الدقة، ثم أوقفوا الزمن، وسألوا: "لو استخدمنا العقل المضغوط في هذه اللحظة تحديدًا، هل كان بإمكان الروبوت التعافي؟". سمح لهم هذا بتعديل جدول الحماية ديناميكيًا، مما يضمن بقاء الروبوت آمنًا حتى عندما يصبح العالم فوضويًا.
النتائج التي حققها هذا النهج الجديد مبهرة، رغم أن المؤلفين يلاحظون بحذر أنها تعتمد على عمليات محاكاة وتجارب واقعية محددة. فعندما اختبروا QuantWAMs على نموذجين مختلفين من الروبوتات (Fast-WAM و LingBot-VA) باستخدام إعداد ضغط شديد العدوانية (W4A4، ما يعني استخدام دقة 4-بت لكل من الأوزان والتنشيطات)، لم ينخفض أداء الروبوت إلا قليلاً. في المحاكاة، كان معدل النجاح أقل بنسبة 0.2 إلى 0.7 نقطة مئوية فقط عن النسخة الأصلية غير المضغوطة. على سبيل المثال، في مهمة تسمى RoboTwin 2.0، نجح الروبوت المضغوط بنسبة 91.7% مقارنة بنسبة 91.9% للنسخة الأصلية.
والأهم من ذلك، جاء هذا الضغط بفوائد هائلة. فقد انخفضت الذاكرة المطلوبة لكتل الفيديو والأكشن الخاصة بالروبوت إلى حوالي 29% مما كانت تحتاجه النسخة الأصلية. وهذا جعل الروبوت أسرع في اتخاذ القرارات بمعدل 1.4 إلى 1.6 مرة. حتى أنهم أخذوا الروبوت المضغوط إلى العالم الحقيقي باستخدام روبوت AgiBot G2 لأداء مهام مثل التقاط تفاحة، وتكديس المكعبات، وطي منشفة. وفي هذه التجارب الواقعية، نجح الروبوت المضغوط في 17 من أصل 30 محاولة، مقارنة بـ 19 من أصل 30 للنسخة كاملة الدقة، مما يثبت أن العقل المضغوط يمكنه العمل بالفعل في بيئة مادية.
تشير الورقة البحثية إلى أنه من خلال احترام الطبيعة الفريدة للحلقة المغلقة لتعلم الروبوتات — حيث تغير الأفعال العالم، ويغير العالم الفعل التالي — يمكننا أخيرًا جعل هذه النماذج الذكية الصغيرة بما يكفي لتعمل على الروبوتات التي سنراها يومًا ما في حياتنا اليومية. إنها ليست حلاً سحريًا يحل كل شيء فورًا، لكنها خطوة حاسمة نحو جعل عقول الروبوتات ذكية وصغيرة في آن واحد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.