ملخص تقني: Onto-EV-WM لتشخيص الفشل والإصلاح ذو الحلقة المغلقة

1. بيان المشكلة

تتنبأ أنظمة الذكاء الاصطناعي الفيزيائية التي تستخدم نماذج العالم (مثل EV-WM) بالمستقبلات المحتملة وتقوم بتقييمها بناءً على متجهات الميزات أو الأحداث. ومع ذلك، فإن هذه الدرجات القياسية أو متجهات الأحداث تفتقر غالبًا إلى المعلومات الدلالية الصريحة المتعلقة بـ سبب فشل أحد المرشحين. وبشكل محدد، هي لا تسجل:

• أي محمول مهمة (task predicate) محدد ظل غير مستوفٍ (على سبيل المثال، علاقة مكانية أو قيد مفصلي).
• الحجج المحددة بالأنواع (typed arguments) المرتبطة بالفشل.
• تسمية المسار (route label) التي تشير إلى آلية التصحيح التي يجب تطبيقها.
• نتيجة قبول ما بعد التصحيح بناءً على محمولات المهمة الأصلية.

بناءً على ذلك، بينما قد يحدد النظام مرشحًا ذا درجة منخفضة، فإنه يفتقر إلى واجهة مهيكلة لتشخيص الشرط غير المستوفي تحديدًا، وتعيين استراتيجية تصحيح متوافقة، والتحقق من النتيجة باستخدام بروتوكول حلقة مغلقة. تعالج الورقة الفجوة بين التنبؤ عالي الأبعاد والتحقق الرمزي من المهمة، بهدف توفير واجهة صريحة للتشخيص والإصلاح دون استبدال نموذج العالم الأساسي أو متحكم الحركة البصرية (visuomotor controller).

2. المنهجية: Onto-EV-WM

يقترح المؤلفون Onto-EV-WM، وهو واجهة تشخيص وتحقق ذات بوابة تصحيح قائمة على الأنطولوجيا (Ontology-grounded) تعمل كطبقة فوق بنية EV-WM الحالية. هي ليست نموذج عالم بديل، بل هي طبقة رمزية تدير التدفق من التنبؤ إلى التصحيح.

2.1 البنية والمكونات

يعمل النظام من خلال خط إنتاج مهيكل يتضمن ثلاثة مكونات رئيسية:

1. طبقة السجل الأنطولوجي (TBox و ABox):
   • TBox (صندوق المهمة): يحدد مخططًا محليًا للمهمة يتضمن أنواع الكيانات (مثل: كائن، منطقة، مفصل)، وتواقيع المحمولات (مثل: in_region (في المنطقة)، contact (تلامس))، وقيود الأنواع. يعمل كمفردات قابلة لإعادة الاستخدام للمهمة المحددة.
   • ABox (صندوق التأكيد): يقوم بتجسيد الحالة الراهنة. يبني النظام ثلاثة صناديق ABox خاصة بمصدر البيانات:
     • $A^\star_g$: التأكيدات المطلوبة المجمعة من مواصفات المهمة المهيكلة ($g$).
     • $\hat{A}^{pred}_{g,t+H}$: التأكيدات المستمدة من مخرجات نموذج العالم المتوقعة.
     • $A^{sim}_{g,t}$: التأكيدات المستمدة مباشرة من حالة المحاكي.
2. التشخيص والتوجيه الحتمي:
   • التشخيص ($\Pi_D$): يقارن صندوق ABox المطلوب ($A^\star_g$) مقابل صندوق ABox المرصود/المتوقع. يحدد التأكيدات غير المستوفاة ($\Delta F_{src}$)، مع الحفاظ على المحمول المحدد، وحججه المحددة بالأنواع، وأي انتهاكات للهوامش المستمرة. هذا يولد سجل فشل محدد النوع (مثل: relation_missing(plate, stove_front) (العلاقة مفقودة (الطبق، مقدمة الموقد)).
   • التوجيه ($\Pi_R$): تقوم قاعدة قواعد حتمية بربط الفشل المحدد بـ "تسمية مسار" معينة. المسار هو تسمية إرسال لآلية تصحيح متوافقة (مثل: "وضعية المفصل المصدر"، "محمول علاقة الكائن")، وليس إجراءً روبوتيًا مباشرًا.
3. حلقة التصحيح ذات بوابة التحقق:
   • توليد المقترح: يقوم مقترح (متعلم، استدلالي، أو قائم على التخطيط) بتوليد تصحيح $q$ بناءً على سجل الفشل والمسار المختار.
   • التطبيق: يتم تطبيق التصحيح إما عبر تعديل حالة المحاكي المباشر (مثل تعديل $qpos$) أو عبر التنفيذ بوساطة المتحكم.
   • التحقق: يقوم متحقق مهمة أصلي بفحص الحالة الناتجة مقابل محمول المهمة.
   • إعادة المحاولة المحدودة: إذا فشل التحقق، يقوم النظام بزيادة ميزانية المحاولات ($b$)، ويعيد تجذير الحالة، وقد يعيد محاولة نفس المسار أو يغير المسار. تنتهي الحلقة بالنجاح أو باستنفاد الميزانية.

2.2 التدفق التشغيلي

تفصل الواجهة بين التنبؤ، التجذير، التشخيص، التطبيق، والتحقق.

• المدخلات: مواصفات المهمة، علامة المصدر (التنبؤ أو المحاكاة)، والحالة.
• العملية: تجذير الحالة في ABox $\leftarrow$ تشخيص المحمولات المفقودة $\leftarrow$ تعيين مسار $\leftarrow$ توليد تصحيح $\leftarrow$ تطبيق $\leftarrow$ تحقق.
• المخرجات: حالة مقبولة، مرشح تخطيط مستبقى، أو أثر فشل محدد النوع غير محلول.

3. المساهمات الرئيسية

تقدم الورقة ثلاث مساهمات تقنية رئيسية:

1. أنطولوجيا مهام الروبوت التشغيلية: تصميم لواجهة تجذير صريحة تمثل الحالات المتوقعة والمرصودة في المحاكي كصناديق ABox متميزة ومحددة للمهمة تحت مفردات وقيود أنواع مشتركة.
2. التشخيص والتوجيه الحتمي: نظام قائم على القواعد يحافظ على المحمولات المنتهكة وحججها المحددة بالأنواع، ويربطها بمسارات تصحيح خاصة بالمهمة دون التخلص من السياق الأصلي.
3. عقد التصحيح ذو بوابة التحقق: بروتوكول يسجل دورة الحياة الكاملة لمحاولة التصحيح (التشخيص، اختيار المسار، المقترح، وضع التطبيق، وقبول المحمول الأصلي) ويفرض آلية إعادة محاولة محدودة.

4. النتائج التجريبية

قيم المؤلفون Onto-EV-WM عبر ثلاث بيئات اختبار متميزة باستخدام بروتوكولات المحاكاة.

4.1 PointMaze (مقارنة متوافقة)

• الإعداد: مقارنة تخطيط للحالات العشوائية عبر 50 تجربة بين EV-WM و Onto-EV-WM.
• النتائج: حقق كلا الأسلوبين نسبة نجاح 94%. ومع ذلك، حقق Onto-EV-WM متوسط مسافة حالة نهائية أقل بكثير (0.61177) مقارنة بـ EV-WM (0.90573)، مما يشير إلى دقة أعلى في استيفاء شروط المهمة.
• ملاحظة: التكوين المنفصل مع ميزانية بحث أكبر واختيار الأولوية للنجاح وصل إلى نجاح بنسبة 100%، ولكن هذا لا يمكن مقارنته مباشرة بالإعداد المتوافق بسبب الاختلاف في الميزانية.

4.2 LIBERO-Goal (تصحيح النافذة المختارة)

• الإعداد: التقييم على 10 مهام تلاعب باستخدام 4 بذور عينات للتقييم. يقوم البروتوكول بأخذ عينات من نوافذ عرض مدتها 25 خطوة. يتم تطبيق التصحيحات عبر آلية ثابتة لـ $qpos$-delta للمصدر/المفصل المتعلم مباشرة على حالة المحاكي.
• النتائج:
  • البذرة 0: نجاح النافذة المصححة بنسبة 93.8% (469/500).
  • عبر 4 بذور: 94.05 ± 0.30% نجاح مصحح.
  • الاسترداد: من بين 261 فشل في إعادة التشغيل، تم "إنقاذ" 142 منها (54.4%) بواسطة آلية التصحيح.
• السياق: توفر الأنطولوجيا سجل التشخيص الذي يربط الفشل برأس التصحيح الثابت؛ المقياس المذكور يعكس التكوين الكامل القائم على الأنطولوجيا.

4.3 LIBERO-Plus (السجل الثابت)

• الإعداد: التقييم على سجل ثابت يضم 10,030 مهمة اضطراب عبر أربعة مجموعات (LIBERO-10, Goal, Object, Spatial).
• النتائج:
  • النجاح الإجمالي: 85.00% (8,526/10,030 مهمة).
  • تفصيل المجموعات:
    • LIBERO-Goal: 91.39%
    • LIBERO-Object: 91.38%
    • LIBERO-Spatial: 91.38%
    • LIBERO-10: 65.98% (تم تحديده كمجموعة ذات أعلى عدد من حالات الفشل المتبقية).
• المقارنة: يتفوق تكوين Onto-EV-WM على العديد من الخطوط المرجعية، بما في ذلك DINO-WM + CEM (61.57%) ونماذج VLA المختلفة، رغم أن المقارنة هي على مستوى النظام ولا تعزل المساهمة السببية للأنطولوجيا وحدها.

5. الأهمية والادعاءات

تضع الورقة Onto-EV-WM كـ واجهة على مستوى النظام تعزز أنظمة الذكاء الاصطناعي الفيزيائي عن طريق إضافة استدلال صريح ومحدد النوع لعملية تشخيص وإصلاح الفشل.

• النطاق المتواضع: يذكر المؤلفون صراحة أن النتائج لا تشكل:
  • استرداداً لروبوت حقيقي أو تحققاً من المحاكاة إلى الواقع (sim-to-real).
  • رسم بياني للمعرفة مفتوح العالم أو أنطولوجيا روبوت عالمية.
  • مساهمة سببية للأنطولوجيا وحدها (يُعزى تحسن الأداء إلى التكوين الكامل).
  • فئة سياسة متعلمة جديدة تحل محل المتحكمات الحالية.
• القيمة الجوهرية: تكمن الأهمية في القدرة على تسجيل سبب فشل المهمة (المحمولات والأنواع) وهيكلة عملية الإصلاح (المسارات والتحقق) بطريقة منفصلة عن نموذج التنبؤ الأساسي. هذا يسمح بـ "إصلاح الحلقة المغلقة" ضمن بروتوكولات المحاكاة حيث تتحكم بوابة التحقق في قبول التصحيحات.
• القيود: يعتمد التقييم على بروتوكولات قائمة على المحاكاة. "الحلقة المغلقة" تشير إلى دورة تحقق-إعادة محاولة محدودة داخل المحاكي، وليس التحكم في التغذية الراجعة في الوقت الفعلي على الأجهزة الفيزيائية. تعكس النتائج الكمية أداء النظام المتكامل تحت بروتوكولات محددة بدلاً من الفعالية المعزولة للأنطولوجيا.