← أحدث الأبحاث
🤖 machine learning

VLCP: Vision Language Control Policy Closed-Loop Code Replanning for Robot Manipulation

يقدم VLCP سياسة تلاعب روبوتية لا تتطلب تدريبًا، حيث تُبقي نموذج الرؤية واللغة مجمدًا وتُمكّن التحكم في الحلقة المغلقة من خلال جعله يعيد كتابة كود التحكم الخاص به بلغة بايثون ديناميكيًا كل KK خطوة بناءً على ملاحظات متعددة الرؤى، محققًا بذلك تحسنًا في معدل النجاح بمقدار عشرة أضعاف مقارنة بالنماذج المرجعية ذات الحلقة المفتوحة من خلال التعافي من الفشل أثناء الحلقة.

المؤلفون الأصليون: Dhia Naouali, Minghan Wu, Claudia Wong, Abhinav Puthran, Omar G. Younis

نُشر 2026-08-19
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Dhia Naouali, Minghan Wu, Claudia Wong, Abhinav Puthran, Omar G. Younis

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

في عالم الروبوتات، هناك فجوة مستمرة بين ما يمكن للحاسوب فهمه وما يمكنه فعله حقاً. لسنوات، حاول العلماء سد هذه الفجوة عبر تعليم الروبوتات لغة الحركة، وإجبار نماذج الذكاء الاصطناعي القوية على تعلم مفردات جديدة ومتخصصة من الأوامر الحركية. يتطلب هذا النهج كميات هائلة من بيانات التدريب، وغالباً ما يجرد الروبوت من قدرته على التفكير المنطقي، تاركاً إياه يكتفي بحفظ إجراءات محددة بدلاً من فهم الموقف. وتقترح فكرة أحدث أنه بدلاً من تعليم الروبوت لغة جديدة، يجب أن نتركه يتحدث اللغة التي يتقنها بالفعل: لغة البرمجة. فمن خلال مطالبة الذكاء الاصطناعي بكتابة برنامج قصير يخبر الروبوت بكيفية التحرك، يستطيع الباحثون الحفاظ على قدرة الذكاء الاصطناعي على التفكير المنطقي. ومع ذلك، كانت هناك ثغرة رئيسية في هذه الطريقة، وهي أن البرنامج يُكتب مرة واحدة قبل أن يبدأ الروبوت في الحركة. فإذا أخطأ الروبوت في الإمساك بشيء أو اصطدم بعائق، يستمر البرنامج في العمل بشكل أعمى، حاملاً ذلك الخطأ معه حتى نهاية المهمة دون أي وسيلة لإصلاحه.

تقدم دراسة جديدة نظاماً يسمى (VLCP)، والذي يغير القواعد من خلال السماح للروبوت بإعادة كتابة تعليماته أثناء العمل. فقد بنى الباحثون إطار عمل يعمل فيه نموذج ذكاء اصطناعي مُدرب مسبقاً وثابت كـ "مشرف". وبدلاً من إرسال مجموعة واحدة من الأوامر في البداية، يقوم النظام بالتوقف كل خمسين خطوة للنظر في وضع الروبوت الحالي عبر الكاميرات والمستشعرات. ثم يطلب من الذكاء الاصطناعي كتابة دالة برمجية (Python function) قصيرة وجديدة للتعامل مع الخمسين خطوة التالية بناءً على ما رآه للتو. فإذا فشل الروبوت في التقاط جسم ما في المرحلة السابقة، يلاحظ الذكاء الاصطناعي الفشل من خلال الصور، ويكتب كوداً جديداً لتصحيح النهج المتبع، ويحاول مجدداً، كل ذلك ضمن المحاولة نفسها. وهذا يخلق حلقة مغلقة حيث يتم تعديل برمجيات التحكم نفسها في الوقت الفعلي، بدلاً من مجرد تعديل حركات الروبوت.

اختبر الباحثون هذا النظام في بيئة محاكاة تحتوي على سبعة وخمسين مهمة مختلفة، تتراوح من التقاط الأشياء البسيطة إلى تسلسلات معقدة في بيئات المطبخ وغرف المعيشة. وقارنوا طريقتهم بنسخة من نفس النظام الذي يكتب الكود مرة واحدة فقط في البداية ولا ينظر إلى الوراء أبداً. كان الفرق صارخاً؛ فالنظام الذي أعاد كتابة الكود الخاص به أثناء العمل نجح في خمسة وثلاثين بالمائة من المهام، بينما نجح النظام الذي التزم بخطته الأصلية في ثلاثة بالمائة فقط. وقد تحقق هذا التحسن بمقدار عشرة أضعاف في كل نوع من المشاهد التي اختبروها. ولم يكن مفتاح هذا النجاح هو قدرة الروبوت على رؤية أخطائه فحسب، بل في قدرته على تغيير التعليمات ذاتها التي تسببت في تلك الأخطاء. ففي قرابة ثلاثين بالمائة من الحالات التي فشل فيها الروبوت في البداية في التقاط جسم ما، رصد النظام الخطأ، وأعاد كتابة النهج المتبع، ونجح في رفع الجسم لاحقاً في المحاولة نفسها. ولولا القدرة على تحرير الكود في منتصف المهمة، لكانت تلك الإخفاقات دائمة.

ولضمان عملية تطبيقية لهذا النهج، قاس الفريق مقدار القوة الحوسبية المطلوبة. ولأن الذكاء الاصطناعي يعيد استخدام معظم المعلومات الخلفية نفسها في كل مرة، فإن النظام يحتاج فقط إلى معالجة كمية صغيرة من البيانات الجديدة في كل مرة. وقد سمح ذلك للروبوت بالتوقف، والتفكير، وإعادة كتابة تعليماته حوالي عشر مرات خلال مهمة واحدة دون أن يصبح بطيئاً جداً أو مكلفاً للتشغيل. كما أظهرت الدراسة أن هذه الطريقة لا تعتمد على حفظ الروبوت لعبارات أو تعليمات محددة؛ فعندما قام الباحثون بتغيير صياغة أوصاف المهام، ظل أداء النظام مستقراً، بينما عانت النماذج الأخرى التي تعتمد على بيانات التدريب بشكل كبير عندما تغيرت اللغة قليلاً. وهذا يشير إلى أن النظام يفهم الهدف حقاً بدلاً من مجرد مطابقة الأنماط.

وقد أشار الباحثون بعناية إلى أن نتائجهم تأتي من محاكاة حاسوبية، وليس من روبوت مادي في غرفة حقيقية. فالنظام يعتمد حالياً على معلومات رقمية مثالية حول مواقع الأشياء، وهو أمر قد لا تستطيع الكاميرات في العالم الحقيقي توفيره دائماً بهذا اليقين. بالإضافة إلى ذلك، فإن الوقت الذي يستغرقه الذكاء الاصطناعي لتوليد كود جديد يعني أن هذا النهج مناسب أكثر للمهام التي لا تتطلب ردود فعل في أجزاء من الثانية. ورغم هذه القيود، توضح الدراسة مساراً واضحاً للمستقبل: فمن خلال إبقاء الذكاء الاصطناعي في لغة الكود والسماح له بإصلاح أخطائه أثناء وقوعها، يمكن للروبوتات أن تصبح أكثر قدرة دون الحاجة إلى إعادة تدريبها على آلاف العروض البشرية. ويشير هذا العمل إلى أن مستقبل التحكم في الروبوتات قد لا يكمن في تعليم الآلات طرقاً جديدة للحركة، بل في منحها الحرية لتعديل خططها الخاصة أثناء التعلم.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →