Towards the Harness of Embodied Agents
تقدم هذه الورقة "ثيا" (Thea)، وهي إطار عمل للوكلاء المتجسدين يعمل على تكييف نموذج الوكيل البرمجي مع العالم المادي من خلال دمج رسم بياني رمزي مستمر للمشهد من أجل الوعي بالحالة وآلية تقييم للتغذية الراجعة للأفعال، مما يتيح التنفيذ الناجح للمهام طويلة المدى عبر حلقة وكيلة مغلقة.
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 القيام بأعمالك المنزلية. لفترة طويلة، اعتقد العلماء أن السر وراء الروبوت الذكي يكمتم في بناء "دماغ" ذكي بما يكفي ليفهم كل شيء بمفرده. لكن هناك عقبة: العالم الحقيقي فوضوي، وغير متوقع، ولا يحتوي على "زر حفظ" مثل ألعاب الفيديو. إذا أسقط الروبوت كوبًا، فقد انكسر. وإذا اصطدم بجدار، فقد علق. هذا هو مجال الذكاء الاصطناعي المتجسد (Embodied AI) — وهو الذكاء الاصطناعي الذي يعيش داخل جسد مادي ويتفاعل مع العالم الحقيقي.
لفهم التحدي، فكر في كيفية استخدامك للكمبيوتر. عندما تكتب كودًا برمجياً، إذا ارتكبت خطأً، يخبرك الكمبيوتر فوراً: "خطأ: السطر 5". إنه يعطيك إشارة واضحة بأن شيئاً ما قد سار بشكل خاطئ، ويمكنك إصلاحه. هذا ما يسمى بـ الحلقة المغلقة (Closed Loop): أنت تفعل شيئاً، تحصل على رد فعل، ثم تعدل مسارك. في العالم الرقمي، يكون رد الفعل هذا مجانياً وفورياً. أما في العالم المادي، فلا يحصل الروبوت على نافذة منبثقة تقول "فشل الإمساك". بل يغلق يده فحسب، وربما يسقط الكوب، أو ربما لم يمسك به على الإطلاق. يتعين على الروبوت أن يخمن ما حدث. تسأل هذه الورقة البحثية سؤالاً كبيراً: هل يمكننا بناء روبوت يتعلم من أخطائه تماماً كما يفعل المبرمج، حتى عندما لا يعطيه العالم إجابات سهلة؟
"حزام" الروبوت: تحويل الدماغ إلى جسد
تعرفوا على "ثيا" (Thea). المؤلفون لا يبنون مجرد دماغ روبوت أكثر ذكاءً؛ بل يبنون "حزاماً" (Harness). فكر في الحزام مثل السرج واللجام على الحصان. الحصان (جسم الروبوت) قوي، والراكب (دماغ الذكاء الاصطناعي) ذكي، ولكن بدون الحزام، لا يستطيع الراكب توجيه الحصان بفعالية. "ثيا" هي ذلك الحزام. إنها تأخذ نموذج ذكاء اصطناعي قوياً وتصله بجسم روبوت بطريقة تسمح للروبوت بالتعلم، والتعافي من الأخطاء، وإنجاز مهام طويلة ومعقدة.
تقترح الورقة أن السر لا يكمن فقط في جعل الذكاء الاصطناعي "أذكى" في معزل عن غيره، بل يتعلق ببناء البنية التحتية الصحيحة حوله. يوضح المؤلفون أنه من خلال تغليف قدرات الروبوت (مثل الحركة، أو الإمساك، أو النظر) في "أدوات" بسيطة يمكن للذكاء الاصطناعي استدعاؤها، ومن خلال إنشاء نظام يتحقق باستمرار مما إذا كانت تلك الأدوات قد نجحت أم لا، يمكن للروبوت التعامل مع مهام كانت مستحيلة سابقاً.
المشكلتان الكبيرتان: قراءة العالم ومعرفة متى تفوز
تحدد الورقة فجوتين كبيرتين بين العالم الرقمي (حيث تعيش الوكلاء البرمجية) والعالم المادي (حيث تعيش الروبوتات).
1. العالم يصعب قراءته (حل "الرسم البياني للمشهد" - Scene Graph)
في برنامج الكمبيوتر، يعرف الكمبيوتر بالضبط مكان كل ملف. يمكنه قراءة "قاعدة الكود" بأكملها دفعة واحدة. لكن الروبوت لا يرى إلا شريحة صغيرة من العالم من خلال كاميراته، مثل النظر من خلال قشة. يرى كوباً لثانية، ثم يلتفت ويرى طاولة. ليس لديه ذاكرة لمكان الكوب ما لم يبنِ واحدة.
- الحل: تبني "ثيا" رسماً بيانياً للمشهد (Scene Graph). تخيل هذا كدفتر ملاحظات سحري ومستمر يحمله الروبوت. في كل مرة يرى فيها الروبوت شيئاً، يدونه في الدفتر: "الكوب على الطاولة، بالقرب من المصباح". حتى لو أدار الروبوت رأسه، يظل الدفتر يتذكر. هذا يحول العالم الفوضوي والمبهم إلى خريطة واضحة وقابلة للقراءة يمكن للذكاء الاصطناعي فهمها، تماماً كما يقرأ المبرمج الكود.
2. العالم لا يعطي "أكواد الخروج" (حل "المُقيّم" - Evaluator)
عندما يعمل برنامج كمبيوتر، ينتهي ويقول "نجاح" أو "خطأ". إذا حاول روبوت التقاط زجاجة، فإنه لا يحصل على إشارة تقول "نجاح". هو فقط يستمر في الحركة. كيف يعرف ما إذا كان قد أمسك الزجاجة بالفعل أم أنه ضغط على الهواء فقط؟
- الحل: تقدم "ثيا" مُقيِّماً (Evaluator). هذا يشبه حكماً صارماً يقف بجانب الروبوت مباشرة. بعد أن يحاول الروبوت الإمساك بشيء ما، ينظر المُقيّم إلى النتيجة ويقول: "لقد أخطأت"، أو "لقد أمسكت بها، لكنها انزلقت"، أو "عمل رائع!". إنه يعمل بمثابة "كود الخروج" الذي يفتقده العالم المادي. إذا فشل الروبوت، فإن المُقيّم لا يقول "لا" فحسب؛ بل يشرح لماذا (مثلاً: "كنت بعيداً جداً")، حتى يتمكن الروبوت من المحاولة مرة أخرى بخطة أفضل.
كيف يعمل: حلقة التعلم
يحدث السحر في حلقة. ينظر الذكاء الاصطناعي إلى "دفتر ملاحظاته" (الرسم البيفي للمشهد)، ويقرر ما سيفعله، ثم يختار أداة (مثل "إمساك الكوب"). يجرب الروبوت الأمر. ثم يقوم المُقيّم بفحص النتيجة.
- إذا نجح الأمر: يقوم الروبوت بتحديث دفتر ملاحظاته وينتقل إلى الخطوة التالية.
- إذا فشل الأمر: يعطي المُقيّم سبباً. يقرأ الذكاء الاصطناعي ذلك السبب، ويحدث خطته، ويحاول مرة أخرى.
قد يبدو هذا بسيطاً، لكنه يغير كل شيء. توضح الورقة أنه بدون هذه الحلقة، إذا كان على الروبوت القيام بـ 10 خطوات لإنهاء مهمة، وكان لديه احتمال 85% لإنجاز كل خطوة بشكل صحيح، فإن احتمال إنهاء المهمة بأكملها سيكون ضئيلاً (أقل من 20%). ولكن مع وجود "الحزام"، إذا فشل الروبوت في خطوة ما، فإنه يعيد المحاولة حتى ينجح. فجأة، تقفز فرصة إنهاء المهمة بأكملها إلى أكثر من 90%.
ما وجدوه (وما لم يجدوه)
اختبر الباحثون "ثيا" على ثلاثة روبوتات مختلفة: روبوت بشري ذو عجلات (Astribot S1)، وذراع متحركة (AgileX Cobot Magic)، وروبوت أصغر ذو أيدٍ ماهرة (Unitree G1). أعطوهم مهاماً تتراوح من التقاط جسم واحد إلى التنقل عبر غرفة، وإيجاد عنصر محدد في خزانة فوضوية، وتسليمه إلى طاولة أخرى.
- النتائج: كانت "ثيا" النظام الأكثر نجاحاً في كل اختبار. عندما أصبحت المهام أصعب وأطول، بدأت الأنظمة الأخرى (التي لم تكن تمتلك هذا "الحزام" مع مُقيّم) في الفشل ولم تستطع التعافي. ومع ذلك، استمرت "ثيا" في المحاولة، وتعديل وضعيتها، وطلب المساعدة عندما تعثرت.
- "الإدراك النشط" (Active Perception): في أحد العروض، طُلب من الروبوت البحث عن بنك طاقة (Power Bank). لم يكن على الطاولة. بدلاً من الاستسلام، استخدم الروبوت "دفتر ملاحظاته" ليدرك أنه لم يفحص الخزانة. ذهب إلى الخزانة، فتح الأدراج، ووجد العنصر. لم يتبع مجرد نص برمجي؛ بل استنتج أنه يحتاج للبحث في مكان جديد.
- دقة "كود الخروج": كان المُقيّم جيداً جداً في الحكم على النجاح أو الفشل، حيث أصاب في حوالي 93% من المرات. تشير الورقة إلى أن هذه الدقة العالية أمر بالغ الأهمية؛ فإذا كان القاضي مخطئاً في كثير من الأحيان، فسيصاب الروبوت بالارتباك.
لماذا يهم هذا؟
تشير الورقة إلى أننا لسنا بحاجة لانتظار دماغ روبوت "فائق الذكاء" لا يرتكب أخطاءً أبداً. بدلاً من ذلك، يمكننا بناء نظام يرتكب الأخطاء، ويتعلم منها، ويتعافى. "الحزام" هو المفتاح. فهو يسمح لأجسام روبوتية مختلفة باستخدام نفس الدماغ الذكي، ويسمح لنفس الدماغ بالعمل على روبوتات مختلفة.
يؤكد المؤلفون أن هذا ليس منتجاً نهائياً مثالياً. "الدفتر" (الرسم البياني للمشهد) ليس مثالياً بعد؛ فأحياناً يرتبك بشأن أماكن الأشياء. و"الحكم" (المُقيّم) ليس دقيقاً بنسبة 100%. والروبوت لا يزال بطيئاً نوعاً ما لأنه يتعين عليه التفكير عبر نموذج لغوي لكل حركة. لكن الاتجاه واضح: من خلال بناء البنية التحتية الصحيحة حول الذكاء الاصطعي، يمكننا تحويل الروبوتات المتعثرة إلى مساعدين موثوقين يتنقلون في منازلنا الفوضوية في العالم الحقيقي. مستقبل الروبوتات ليس متعلقاً فقط بأدمغة أفضل؛ بل بحوافِر (أحزمة) أفضل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.