← أحدث الأبحاث
💻 computer science

GuideFetch: A Task Coordination Framework for Concurrent Navigation and Object Retrieval in Assistive Robot Dogs

تقدم هذه الورقة "GuideFetch"، وهو إطار عمل لتنسيق المهام يُمكّن فريقاً غير متجانس من الكلاب الروبوتية المساعدة من تنفيذ مهام التنقل واستعادة الأشياء بشكل متزامن عبر الاستفادة من مخططات العمل المولدة والمحققة بواسطة النماذج اللغوية الكبيرة والتنفيذ القائم على الحالة، مما يقلل بشكل كبير من زمن إنجاز المهمة مقارنة بالنهج التسلسلي.

المؤلفون الأصليون: Qian Yin, Ruiping Liu, Kunyu Peng, Jianxiang Man, Isik Baran Sandan, Junwei Zheng, Yufan Chen, Di Wen, Kailun Yang, Rainer Stiefelhagen

نُشر 2026-08-20
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Qian Yin, Ruiping Liu, Kunyu Peng, Jianxiang Man, Isik Baran Sandan, Junwei Zheng, Yufan Chen, Di Wen, Kailun Yang, Rainer Stiefelhagen

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 مستقبلاً يقوم فيه كلب دليل آلي بأكثر من مجرد قيادة شخص كفيف من نقطة إلى أخرى. في هذه الرؤية، يمكن للروبوت أيضاً أن يتولى المهام اليومية الصغيرة التي تجعل الحياة أسهل، مثل إحضار كوب من القهوة. لكن روبوتاً واحداً قد يكافح للقيام بالأمرين معاً: فهو لا يستطيع قيادة شخص إلى مقعد وفي الوقت نفسه الالتفات لإحضار مشروب من آلة. وهنا تبرز أهمية فكرة العمل الجماعي. لطالماً عرف العلماء أن الروبوتات المختلفة تمتلك نقاط قوة مختلفة؛ فبعضها بارع في التحرك عبر المساحات المعقدة، بينما يبرع البعض الآخر في التقاط الأشياء وإمساكها. كان التحدي يكمكمن في كيفية جعل هذه الآلات المختلفة تعمل معاً بسلاسة، ليس فقط من خلال تبادل الأدوار، بل عبر أداء مهامها في وقت واحد. والهدف هو ضمان أنه عندما يقولون إنهم أنهوا مهمة ما، فقد أنجزوها بالفعل، بدلاً من مجرد اتباع خطة تبدو جيدة على الورق ولكنها تفشل في العالم الحقيقي.

قام فريق من الباحثين في معهد كارلسروه للتكنولوجيا في ألمانيا بتطوير نظام جديد يسمى "GuideFetch" لحل هذه المشكلة تحديداً. لقد ابتكروا إطار عمل يسمح لفريق من اثنين من الكلاب الروبوتية المختلفة بتنسيق مهمة واحدة بناءً على تعليمات صوتية بسيطة. في إعدادهم، يعمل أحد الروبوتات كدليل، يقود المستخدم إلى وجهة معينة، بينما يعمل الروبوت الثاني، المجهز بذراع، كجالب للأشياء (fetcher) لاستعادة جسم ما وإحضاره إلى نفس المكان. أراد الباحثون معرفة ما إذا كان السماح لهذين الروبوتين بالعمل بالتوازي —أي بدء مهامهما في نفس الوقت— سيكون أسرع وأكثر موثوقية مما لو عملا الواحد تلو الآخر. لقد بنوا نظاماً يعمل كمدير صارم، يأخذ طلباً باللغة الطبيعية ويقوم بتفكيكه إلى خطوات محددة لكل روبوت. وقبل بدء أي حركة، يتحقق النظام من إمكانية تنفيذ الخطة، ويتأكد من تعيين الروبوت المناسب للمهمة المناسبة وأن التعليمات تتوافق مع القدرات الفيزيائية للآلات.

اختبر الباحثون هذا النظام في بيئة محاكاة تضمنت ثلاثة إعدادات مختلفة: المنزل، والسوبر ماركت، والمستشفى. أجروا مئات التجارب حيث طُلب من الروبوتات توجيه مستخدم إلى مقعد وإحضار كوب من القهوة. في بعض التجارب، كان على الروبوت الجالب أن يمشي بالمستخدم إلى المقعد أولاً، ثم يعود لإحضار القهوة، وأخيراً يحضرها إلى هناك. وفي تجارب أخرى، قام الروبوت الدليل بأخذ المستخدم إلى المقعد فوراً بينما ذهب الروبوت الجالب مباشرة للحصول على القهوة، مما سمح للمهمتين بالحدوث في وقت واحد. تم تصميم النظام ليكون حذراً للغاية بشأن ما يعتبر نجاحاً؛ فلم يفترض النظام أن المهمة قد أنجزت لمجرد أن الروبوتات تحركت، بل تحقق من شروط فيزيائية محددة، مثل وصول الدليل فعلياً إلى المقعد، وما إذا كان الروبوت الجالب قد أمسك الكوب بنجاح، وما إذا كان الكوب يُحمل بأمان دون أن يسقط.

أظهرت النتائج أن النهج المتوازي كان أسرع بشكل ملحوظ. فعندما عمل الروبوتان معاً في نفس الوقت، انخفض الوقت الإجمالي لإكمال المهمة بنسبة 41 بالمائة تقريباً مقارنة بالعمل بالتتابع. وفي إعدادات المنزل والسوبر ماركت، جاء هذا التوفير في الوقت من تحرك الروبوتين في آن واحد، مما مكنهما من قطع مسافات أكبر معاً مما يمكن لروبوت واحد القيام به بمفرده. أما في إعداد المستشفى، فقد كان توفير الوقت أكثر دراماتيكية لأن الروبوت الدليل تولى عملية المشي الطويلة إلى الوجهة، مما أتاح للروبوت الجالب التركيز تماماً على إحضار القهوة. ووجدت الدراسة أن النظام كان موثوقاً للغاية في إنشاء خطط صالحة؛ حيث تم قبول وتنفيذ كل طلب أنتجه الذكاء الاصطناعي دون الحاجة إلى تصحيح أو إعادة تشغيل. ومع ذلك، اكتشف الباحثون أن العائق الرئيسي لم يكن التخطيط أو المشي، بل الفعل الفيزيائي لالتقاط الجسم؛ ففي الحالات التي فشلت فيها المهمة، كان ذلك دائماً بسبب معاناة الروبوت الجالب في الإمساك بالكوب أو تثبيته بإحكام، وليس بسبب ضياع الروبوت الدليل أو خطأ في الخطة.

يبرهن هذا العمل على أن منح روبوتات مختلفة أدواراً محددة والسماح لها بالعمل في وقت واحد يمكن أن يجعل التكنولوجيا المساعدة أكثر كفاءة. يثبت نظام "GuideFetch" أنه من الممكن تنسيق فريق من الآلات المختلفة للتعامل مع مهام متعددة الخطوات ومعقدة بناءً على تعليمات بشرية بسيطة. ورغم أن الروبوتات في الدراسة كانت افتراضية، إلا أن المنطق الذي استخدموه مصمم ليتم تطبيقه على آلات حقيقية. وأشار الباحثون إلى أن النظام نجح في التمييز بين الخطة التي تبدو صحيحة والمهمة التي اكتملت فعلياً، وهو فرق جوه عشر في تطبيقات السلامة في العالم الحقيقي. وتخلص الدراسة إلى أنه بينما يعمل تنسيق الحركة والتوقيت بشكل جيد جداً، فإن القدرة على التحكم الفيزيائي في الأشياء تظل الجزء الأكثر صعوبة في اللغز. وفي الوقت الحالي، يظهر النظام وعداً كبيراً في مساعدة المستخدمين المكفوفين وضعاف البصر، شريطة أن تصبح الروبوتات أكثر مهارة في المهمة الدقيقة المتمثلة في حمل وحمل الأشياء اليومية.

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 →