Communication Reduction via Semantic-Based Encoding in DMPC Using LSTMs

في عالم الروبوتات، تقدم أسراب الآلات التي تعمل معاً رؤية للمستقبل: أساطيل من الطائرات بدون طيار للتوصيل تتنقل في سماوات المدن، أو فرق من الروبوتات الأرضية تنقل البضائع عبر المستودعات بذكاء جماعي سلس. ولكي تعمل هذه الآلات كوحدة واحدة بدلاً من مجموعة فوضوية من الأفراد، يجب عليها تبادل المعلومات باستمرار. فهي بحاجة لمعرفة مواقع جيرانها، وما يخططون لفعله تالياً، وكيفية تجنب الاصطدامات. هذا الثرثرة المستمرة هي شريان الحياة للتحكم الموزع، وهي طريقة يتخذ فيها كل روبوت قراراته الخاصة بناءً على البيانات التي يتلقاها من المجموعة. ومع ذلك، يواجه هذا النهج حداً فيزيائياً عنيداً؛ فكلما زاد عدد الروبوتات، زادت كمية البيانات التي يجب تبادلها في كل جزء من الثانية، مما قد يرهق حتى أكثر الشبكات اللاسلكية تقدماً. ينتهي الأمر بالروبوتات في حالة انتظار رسائل لا تصل أبداً، أو تُضطر للعمل بناءً على معلومات قديمة، مما يتسبب في تعثر المجموعة بأكملها. لذا، فإن التحدي لا يكمل فقط في بناء روبوتات أذكى، بل في تعليمها التحدث بلغة أكثر كفاءة.

لقد عالج الباحثون في جامعة لوت (LUT) في فنلندا هذه العقبة من خلال تعليم الروبوتات ضغط "أفكارها" قبل إرسالها. في عملهم، استكشفوا طريقة تسمى الاتصال الدلالي (semantic communication)، والتي تنقل التركيز من نقل كل بت منفرد من البيانات الخام إلى نقل المعلومات التي تهم المهمة المطلوبة حقاً. تخيل مجموعة من الأشخاص يحاولون تنسيق حركة معقدة؛ فبدلاً من الصراخ بكل تفصيل صغير عن تحركاتهم لبعضهم البعض، يتفقون على رمز اختصار ينقل القصد الجوهري. طبق الباحثون هذا المفهوم على استراتيجية تحكم تُعرف بالتحكم التنبئي للنماذج الموزعة (distributed model predictive control)، حيث يحسب كل روبوت خطة قصيرة المدى لمساره المستقبلي. عادةً، تكون هذه الخطط عبارة عن قوائم طويلة من الأرقام التي تمثل السرعة والاتجاه لكل لحظة في المستقبل القريب. وإرسال هذه القوائم الكاملة إلى كل روبوت آخر يخلق ازدحاماً مرورياً ثقيلاً في الشبكة اللاسلكية. ولحل هذه المشكلة، زود الفريق الروبوتات بشبكات ذكاء اصطناعي مصممة لتعمل كمترجمين. فقبل أن يبث الروبوت خطته، تقوم شبكة تشفير (encoder) بتكثيف قائمة الإجراءات المستقبلية الطويلة إلى ملخص صغير ومضغوط. وعندما يتلقى جارٌ هذا الملخص، تقوم شبكة فك تشفير (decoder) بتوسيعه مرة أخرى إلى خطة كاملة، مما يعيد بناء الرسالة الأصلية بدقة عالية.

اختبر الفريق تصميمات مختلفة لهذه المترجمات الذكية، باستخدام نوع من الشبكات العصبية يسمى "الذاكرة الطويلة قصيرة المدى" (LSTM)، وهي بارعة بشكل خاص في فهم تسلسلات الأحداث عبر الزمن. أجروا آلاف عمليات المحاكاة مع مجموعات من الروبوتات المتنقلة، تتراوح من وحدتين إلى ثماني وحدات، مكلفة بالتحرك إلى تشكيلات محددة والحفاظ على مواقعها. في هذه الاختبارات الرقمية، عمل التواصل المضغوط بشكل جيد للغاية. فقد أدت الروبوتات التي استخدمت الرسائل المضغوطة أداءً مطابقاً تقريباً لتلك التي ترسل بيانات كاملة غير مضغوطة، ونجحت في الوصول إلى أهدافها دون الاصطدام أو التباعد. وقد أثبت تصميم محدد، استخدم شبكة تغذية أمامية بسيطة لفك تشفير الرسالة، أنه الأكثر دقة، حيث طابق أداء الاتصال الكامل لدرجة أن الفرق كان ضئيلاً. يشير هذا الاكتشاف إلى أن الروبوتات لا تحتاج لتبادل خططها المستقبلية الكاملة للتنسيق بفعالية؛ فملخص صغير مصاغ بعناية غالباً ما يكون كافياً.

ومع ذلك، اكتشف الباحثون أيضاً وجود مقايضة بين الكفاءة والمرونة. فالموذج الأكثر دقة يتطلب إعادة تدريب كلما طُلب من الروبوتات النظر إلى مستقبل أبعد، وهو معلم يُعرف بـ "أفق التنبؤ" (prediction horizon). إذا تغيرت المهمة واحتاجت الروبوتات للتخطيط لعشر ثوانٍ بدلاً من خمس، فلن يعمل النموذج القديم، ويجب تعلم نموذج جديد. ولمعالجة ذلك، طور الفريق نماذج أخرى قادرة على التعامل مع أطوال تخطيط مختلفة دون إعادة تدريب. وبينما كانت هذه النماذج المرنة أقل دقة قليلاً من النماذج المتخصصة، إلا أنها سمحت للروبوتات بالتنسيق بنجاح. هذه المرونة أمر بالغ الأهمية في التطبيقات الواقعية حيث تتغير الظروف ويجب تعديل المتحكمات أثناء العمل.

جاء الاختبار الحقيقي عندما انتقل الباحثون من سلامة المحاكاة الحاسوبية إلى الأجهزة المادية الفعلية. فقد قاموا بتحميل البرمجيات على حواسيب صغيرة أحادية اللوحة مثبتة على روبوتات فعلية ذات دفع تفاضلي، وأطلقوا سراحها في غرفة بها تداخل لاسلكي حقيقي. في هذه الظروف الواقعية، غالباً ما فشلت الطريقة القياسية لإرسال البيانات الكاملة تماماً؛ حيث أصبح الشبكة اللاسلكية مزدحمة، وفُقدت الرسائل، ولم تتمكن الروبوتات من الاتفاق على مسار للعمل. في المقابل، استمرت الروبوتات التي تستخدم الاتصال الدلالي المضغوط في العمل في العديد من السيناريوهات، لكن النجاح لم يكن عالمياً. ففي الظروف الأكثر تطلباً، مثل التنسيق في مجموعات كبيرة أو التخطيط لمستقبل بعيد، تلقت روبوتات البيانات المضغوطة تحديثات للحالة أقل بكثير مما كان متوقعاً. في هذه الحالات القصوى، استهلك العبء الحسابي لفك تشفير الرسائل الوقت المتاح للروبوتات للاستجابة، مما تسبب في فشل النظام في التقارب رغم أن الرسائل كانت أصغر حجماً. كانت الرسائل المضغوطة صغيرة بما يكفي لتمر عبر الاختناقات المرورية اللاسلكية التي منعت البيانات الكبيرة غير المضغوطة، لكن وقت المعالجة الإضافي المطلوب لفك التشفير خلق اختناقاً جديداً يمكنه إرهاق النظام بنفس الفعالية التي يسببها ازدحام الشبكة.

ومع ذلك، جاء هذا النجاح مع تحفظ. فعملية ضغط وفك ضغط الرسائل تطلبت قوة حوسبة إضافية. وفي السيناريوهات الأكثر تطلباً، حيث يتعين على الروبوتات التخطيط لمستقبل بعيد أو التنسيق في مجموعات كبيرة، استهلك الوقت المستغرق في فك تشفير الرسائل الوقت المتاح للروبوتات للاستجابة. في هذه الحالات القصوى، أصبح العبء الحسابي هو الاختناق الجديد، مما أدى إلى إبطاء النظام بقدر ما كان يفعله ازدحام الشبكة من قبل. وجد الباحثون أنه بينما وفر الاتصال المضغوط سعة الشبكة، فإنه نقل الضغط إلى معالج الروبوت. يسلط هذا الضوء على توازن دقيق في علم الروبوتات: توفير عرض النطاق الترددي (bandwidth) قد يكلف وقتاً في المعالجة، والحل الأفضل يعتمد على المورد الأكثر ندرة في موقف معين.

في نهاية المطاف، تثبت الدراسة أن الاتصال الدلالي هو مسار قابل للتطبيق لمستقبل روبوتات الأسراب. فهي تثبت أن الروبوتات يمكنها تحقيق سلوكيات منسقة ومعقدة دون إغراق بعضها البعض بالبيانات، بشرما تمت إدارة التكاليف الحسابية. ومن خلال استخدام الذكاء الاصطناٍ لتقطير نواياها إلى ملخصات موجزة وذات مغزى، يمكنها العمل في بيئات يفشل فيها الاتصال التقليدي. يشير العمل إلى أن مستقبل الأنظمة متعددة الروبوتات قد لا يكمن في شبكات أسرع فحسب، بل في طرق أذكى للتحدث مع بعضها البعض. وبينما يجب إدارة التكاليف الحسابية لهذه المترجمات الذكية بعناية، فإن القدرة على الحفاظ على التنسيق تحت حمل الشبكة الثقيل توفر حلاً قوياً للجيل القادم من الآلات التعاونية. لم تنجُ الروبوتات من حمل الاتصال الزائد فحسب، بل في كثير من الحالات ازدهرت، ولكن في السيناريوهات القصوى فشلت في التقارب، مما يثبت أنه في بعض الأحيان، قول القليل هو السبيل الوحيد لفعل الكثير، بشرط أن تتمكن قوة المعالجة من مواكبة ذلك.