🤖 machine learning

CoWAM: Coordination Contracts for Selective Policy Intervention with WAMs

يقدم CoWAM طبقة تدخل انتقائية للروبوتات ثنائية اليد تستخدم عقود تنسيق لتعديل سياسات نموذج عمل العالم (WAM) بأمان فقط عندما يتم استيفاء معايير محددة للتزامن، والأدوار، والتصادم، مما يحسن معدلات نجاح التنسيق بشكل كبير مع الحفاظ على خطر ضئيل للغاية للتدخلات الضارة.

المؤلفون الأصليون: Shuaijun Liu, Qifu Wen, Shuyang Hao, Qi Luo, Chenglong Zhang, Feiyang You, Chengyu Wu, Ningxin Su

نُشر 2026-08-04

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Shuaijun Liu, Qifu Wen, Shuyang Hao, Qi Luo, Chenglong Zhang, Feiyang You, Chengyu Wu, Ningxin Su

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 زوجًا من الأذرع الروبوتية رقصة تانغو معقدة. أنت لا تريدها أن تتحرك فحسب؛ بل تريدها أن تتحرك معًا. فإذا امتدت ذراع للإمساك بكوب بينما أسقطته الذراع الأخرى بالخطأ، أو إذا حاولت كلتاهما الإمساك بنفس المقبض في الوقت نفسه، تفشل الرقصة. هذا هو عالم الروبوتات ثنائية اليد (bimanual robotics)، حيث يجب على ذراعين التنسيق بشكل مثالي للتعامل مع الأشياء. ولمساعدة الروبوتات على التخطيط المسبق، يستخدم العلماء ما يسمى نماذج أفعال العالم (World Action Models - WAMs). فكر في نموذج WAM كأنه "كرة بلورية" للروبوتات: فهو يأخذ حركة مقترحة ويحاكي كيف سيبدو المستقبل إذا حدثت هذه الحركة. إنه يشبه معاينة في لعبة فيديو، يخبر الروبوت: "إذا وصلت إلى هناك، فستسقط هذا الشيء". لكن الجزء الصعب هنا هو أنه ليس لمجرد أن الروبوت يمكنه رؤية مستقبل تسوء فيه الأمور، يعني أنه يجب عليه تغيير رأيه فورًا. فأحيانًا يكون مخطط الروبوت الأصلي جيدًا في الواقع، ويؤدي الذعر بسبب محاكاة مخيفة إلى المزيد من الأخطاء. السؤال الكبير هو: كيف نخبر الروبوت متى يثق بحدسه ومتى يستمع لكرته البلورية؟

يقدم هذا البحث حلاً ذكيًا يسمى CoWAM (عقود التنسيق مع نماذج أفعال العالم). وبدلاً من ترك "الكرة البلورية" للروبوت تلغي خططه عشوائيًا، يعمل CoWAM كحكم صارم وعادل لا يتدخل إلا عند كسر قواعد محددة. لقد وضع الباحثون نظامًا يضمن بقاء خط الروبوت الأصلي (الإجراء الاسمي) هو المسيطر، ما لم يمر بديل أفضل بسلسلة من الاختبارات الصعبة. تُسمى هذه الاختبارات عقود التنسيق. تخيل هذه العقود كأنها قائمة مراجعة من الوعود: "عدني ألا تصطدم بالذراع الأخرى"، "عدني بأن تمسك الجسم في الوقت المناسب"، و"عدني بألا تسقط الكوب".

يعمل النظام على هذا النحو: يقوم الروبوت بإنشاء قائمة من التحركات الممكنة، بما في ذلك خياره الأول وبعض البدائل. ينظر CoWAM إلى توقعات "الكرة البلورية" لجميع هذه التحركات. وهو يسمح للروبوت بالانتقال إلى تحرك جديد فقط إذا استوفى هذا التحرك الجديد كل عقد نشط (مثل عدم وجود تصادمات، التوقيت المثالي) وقدم تحسنًا واضحًا ومنخفض المخاطر. إذا كان التحرك الجديد محفوفًا بالمخاطر أو لا يتفوق بوضوح على المخطط الأصلي، يقول CoWAM: "التزم بالمخطط الأصلي". وإذا بدا حتى المخطط الأصلي سيئًا، فإن لدى الروبوت شبكة أمان للتوقف وطلب المساعدة.

اختبر المؤلفون هذا في عالم محاكى يحتوي على ثماني مهام مختلفة تعتمد على اليدين، مثل تكديم الأوعية، ورفع القدور، ووضع الزجاجات في سلة المهملات. ووجدوا أن CoWAM كان أفضل بكثير في اختيار التحركات الصحيحة مقارنة بالطرق الأخرى. وتحديدًا، نجح في تحديد واختيار البدائل الصالحة والمنسقة بنسبة 93.3% من المرات التي ظهرت فيها فرصة لذلك، مقارنة بـ 76.7% فقط لنسخة بدون نظام "العقد" الكامل. والأهم من ذلك، أنه كان حذرًا للغاية: فقد ارتكب أخطاءً ضارة (مثل التسبب في تصادم) في أقل من 1% من الحالات. وفي عمليات المحاكاة في العالم الحقيقي، أدى ذلك إلى زيادة قدرها 9.6 نقطة مئوية في إتمام المهام بنجاح مقارنة بأفضل الطرق السابقة. يوضح البحث أنه باستخدام هذه "العقود" الصارمة لتصفية التوقعات، يمكن للروبوتات أن تكون شجاعة بما يكفي لتجربة أشياء جديدة وذكية بما يكفي لتجنب الكوارث، مما يحول رقصة فوضوية إلى أداء سلس.

ملخص تقني: CoWAM – عقود التنسيق للتدخل الانتقائي في نماذج العمل العالمية (WAMs)

بيان المشكلة

تعمل نماذج العمل العالمية (WAMs) على تحسين سياسات الروبوت من خلال إقران الأفعال المقترحة بالنتائج المستقبلية المتوقعة. ومع ذلك، في عمليات التحكم ثنائي اليد (bimanual manipulation)، لا يكفي مجرد المظهر البصري المنطقي للمستقبل المتوقع لتبرير تجاوز إجراء السياسة الاسمية (المرشح الأعلى تصنيفاً، $i=0$ ). فقد يفشل المسار المتماسك رغم ذلك بسبب مشكلات تنسيق دقيقة مثل التأخر في الإمساك، أو عدم توافق أدوار الأذرع، أو تقارب التصادمات. وعلى العكس من ذلك، فإن تجاوز الإجراء الاسمي دون دليل كافٍ قد يحول عدم اليقين إلى فشل.

غالباً ما تعاني النهج الحالية من التمييز بين مرشح "يبدو منتجاً" ولكنه يخفي انتهاكاً معيناً في التنسيق، وبين بديل متفوق حقاً. التحدي يكمكم في تطوير طبقة تدخل انتقائية يمكنها تقييم ما إذا كان المرشح البديل يستوفي التزامات تنسيق محددة (التزامن، توافق الأدوار، تقارب التصادم) قبل استبدال الإجراء الاسمي، وذلك دون إعادة تدريب مولد الأفعال الأساسي أو تغيير مجموعة المرشحين.

المنهجية: CoWAM

يقدم CoWAM طبقة تدخل انتقائية تتعامل مع متطلبات التنسيق كـ "عقود تنسيق". تعمل هذه الطبقة على مجموعة مرشحين مجمدة يوفرها مقترح WAM، وتتخذ قرارات بـ الحفاظ (تنفيذ الإجراء الاسمي)، أو التجاوز (تنفيذ بديل تم التحقق منه)، أو الامتناع (استدعاء آلية احتياطية) بناءً على مجموعة متصلة من الشروط.

1. عقود التنسيق

يعرف الآلية الجوهرية عبر تعريف الالتزامات كعقود نمطية بدلاً من درجة منطقية واحدة. تم تحديد ثلاث عائلات من العقود:

التزامن (Synchronization): يضمن التوافق الزمني لعمليات التلامس والتحرير.
توافق الأدوار (Role Compatibility): يضمن احتفاظ الأذرع بأدوار ثابتة في المهمة تجاه الجسم والدعم.
تقارب التصادم (Collision Convergence): يضمن تجنب حركة الأذرع المتبادلة للتلامس غير الآمن.

يكون المرشح $i$ مقبولاً فقط إذا استوفى كل مسند (predicate) نشط $c_{i,e}$ للحدث الحالي $e$ . مؤشر قبول العقد $g_i$ هو حاصل ضرب هذه المسندات. يضمن هذا الهيكل عدم قدرة المرشح على تعويض فشل تنسيق معين من خلال درجة منفعة عالية.

2. التحقق المشروط بالحدث

لحل الفشل المعتمد على المستقبل والذي لا تستطيع المسندات الحتمية التقاطه، يستخدم CoWAM مُحقِّقاً مشروطاً بالحدث $f_\theta$ . بالنظر إلى الملاحظة، وفعل المرشح، والمستقبل المتوقع، والحدث النشط، يخرج المُحقِّق ما يلي:

$\hat{p}_{i,e}$ : تقدير استيفاء الحدث.
$\hat{r}_{i,e}$ : تقدير مخاطر التنسيق.
$\hat{u}_i$ : منفعة المهمة.
$\hat{o}_i$ : قيمة الفرصة.
$\hat{q}_i$ : الثقة.

يتم تجميع هذه المخرجات باستخدام "مجموعة" (ensemble) لبناء حدود تحفظية للمخاطر ( $R^+_i$ ) والمنفعة ( $U^-_i$ ). يتم حساب الدرجة النهائية $S_i$ التي تجمع بين المنفعة، والفرصة، والمخاطر.

3. بوابات التدخل المعايرة

يتم اختيار المرشح البديل $i > 0$ فقط إذا اجتاز مجموعة متصلة من البوابات ( $G_i = 1$ ):

صلاحية العقد: $g_i = 1$ (يستوفي جميع الالتزامات النشطة).
المخاطر المحدودة: $R^+_i \leq \tau_r$ .
الاحتفاظ بالمنفعة: $U^-_i \geq U^-_0 - \epsilon_u$ (يمنع التخلي عن تقدم المهمة من أجل السلامة المحلية).
الفرصة النشطة: $\hat{o}_i \geq \tau_o$ .
الثقة: $\hat{q}_i \geq \tau_q$ .
هامش الانتقائية: $S_i - S_0 \geq \tau_m$ (يجب أن يكون أفضل بشكل حاسم من الإجراء الاسمي).

إذا لم يجتز أي بديل هذه البوابات، يحافظ النظام على الإجراء الاسمي (إذا كان مقبولاً) أو يمتنع عن التنفيذ.

4. التقييم في نفس المجموعة مع عمى النتائج

المساهمة المنهجية الحاسمة هي بروتوكول التقييم. تعمل جميع أجهزة الاختيار على مجموعات مرشحين متطابقة ومرتبة، وتلتزم بقراراتها قبل توفر نتائج المحاكي. ثم يقوم "أوراكل" (oracle) مشترك بتسمية النتائج. هذا يفصل جودة المختار (القدرة على اختيار المرشح الصحيح) عن جودة المقترح (جودة مجموعة المرشحين)، مما يمنع العوامل المربكة في تقييم الأداء.

المساهمات الرئيسية

عقود التنسيق: صياغة تحدد الالتزامات النمطية والأدلة المطلوبة للتدخل القائم على WAM، مما يضمن عدم حجب انتهاكات تنسيق معينة بواسطة درجات المنفعة العالية.
المتحكم الانتقائي المشروط بالعقد: متحكم يستخدم فحوصات نمطية، وتحقق خاص بالحدث، وحدود معايرة، ومنطق قرار للحفاظ، أو التجاوز، أو الامتناع.
التقييم في نفس المجموعة مع عمى النتائج: بروتوكول يعزل أداء المختار عن توليد المقترحات، مما يسمح بمقارنة صارمة لاستراتيجيات التدخل.
أدلة المتانة: تحليل شامل عبر إزالة المكونات، وأحجام مجموعات المرشحين، وعائلات الأحداث، والآفاق المتتالية، ومصادر مقترحات WAM المختلفة.

النتائج التجريبية

تم تقييم الطريقة على ثماني مهام ثنائية اليد في محاكي RoboTwin 2.0، تغطي نقل الأذرع المتقاطع، والوضع المتوازي، والإدخال متعدد المراحل.

الاختيار الصحيح: حقق CoWAM 93.3% من الاختيار الصحيح (140/150 فرصة)، وهو تحسن بمقدار 16.7 نقطة مئوية عن متغير "العقد فقط" (76.7%)، وتفوق بشكل كبير على النماذج المرجعية مثل Future-Consensus (67.3%) و RGB-D selectors (84.0%).
سلامة التدخل: حافظ CoWAM على معدلات خطأ منخفضة للغاية في الحالات السلبية المطابقة: 2.8% تدخلات خاطئة و 0.6% تدخلات ضارة. في المقابل، سجل Future-Consensus نسبة 62.2% تدخلات خاطئة و 8.9% تدخلات ضارة.
النجاح في الحلقة المغلقة: في حلقات الحلقة المغلقة الطبيعية، حقق CoVM نسبة نجاح 62.9% (151/240)، بزيادة قدرها 9.6 نقطة مئوية عن أقوى نموذج أساسي انتقائي (Selective Control بنسبة 53.3%).
تقليل الفشل: قلل CoWAM من تصادمات الأذرع بنسبة 66.7%، وتضارب الأدوار بنسبة 75%، والتحرير غير المتزامن بنسبة 71.4% مقارلة بـ Policy Top-1 الاسمي.
المتانة: استمرت مكاسب الأداء عبر أحجام مجموعات مرشحين متنوعة ( $K=4$ إلى $32$) ومصادر WAM مختلفة (X-WAM, LeWorldModel)، مما يثبت أن المختار يستفيد بفعالية من المقترحات المتنوعة دون زيادة معدلات الخطأ.

الأهمية والادعاءات

يدعي البحث أن CoWAM يرسخ عقود التنسيق كواجهة فعالة للتدخل المحافظ في السياسات. تكمن الأهمية في:

فصل الاهتمامات: من خلال فصل توليد المقترحات عن التدخل، تسمح الطريقة باستخدام نماذج WAM الموجودة بأمان دون الحاجة لإعادة التدريب.
الموثوقية المحافظة: تضمن آلية البوابات المتصلة أن التدخلات لا تحدث إلا عندما يستوفي المرشح جميع التزامات التنسيق ويوفر تحسيناً واضحاً ومنخفض المخاطر، مما يمنع "التجاوزات غير المدعومة".
القابلية للتعميم: أظهر الإطار إمكانية إعادة استخدامه عبر هياكل مهام متنوعة وتوزيعات WAM مختلفة، مما يشير إلى أن عقود التنسيق يمكن أن تعمل كواجهة معيارية لأدلة العمل العالمية في التحكم ثنائي اليد المنسق.

يخلص المؤلفون إلى أنه بينما تعد جودة التنبؤ وجودة قرار التدخل أمرين متكاملين، فإن CoWAM ينجح في تحويل مجموعات المرشحين الغنية إلى تدخلات صالحة دون النمو في الخطأ المرتبط بإعادة الترتيب غير المشروط، مما يسد الفجوة بين أدلة العمل العالمية المتوقعة والتحكم المنسق الموثوق.