Beyond Placement and Articulation: Usage-Driven Code Scenes for Embodied Interaction
تقدم هذه الورقة بحث RoomWright، وهو إطار عمل وكيل يولد مشاهد داخلية ثلاثية الأبعاد قابلة للتنفيذ وقائمة على الكود للذكاء الاصطناي المادي، وذلك عبر تحويل التركيز من مجرد الوضع البصري إلى الاستنتاج القائم على الاستخدام ونمذجة التفاعل القائمة على القواعد.
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 عالماً يستطيع فيه روبوت أن يدخل غرفة، ويلتقط غلاية، ويضعها على موقد، أو حيث يمكن لوكيل افتراضي أن يضغط مفتاحاً لتشغيل مصباح. لكي تتعلم هذه الآلات وتعمل، فإنها تحتاج إلى بيئات ليست مجرد صور للغرف، بل أماكن تعمل بالفعل. إنها تحتاج إلى مساحات حيث تمتلك الأشياء أجزاءً تتحرك، وحيث يدور مقبض الباب ليفتح القفل، وحيث يؤدي الضغط على زر ما إلى تغيير حالة الضوء. حتى وقت قريب، كانت الغرف الرقمية التي تُبنى لهذه الروبوتات ثابتة في الغالب؛ كانت تبدو حقيقية، لكنها لم تكن تتصرف كالحقيقة. كان بإمكان الروبوت أن يصطدم بكرسي، لكنه لم يكن يستطيع سحب درج مفتوح أو فهم أن سرعة المروحة تتغير عند تدوير قرص التحكم. لقد كان التحدي يكمكمن في بناء مساحات داخلية ليست مجرد مجموعات بصرية من الأثاث، بل مسارح وظيفية حيث تترتب الأسباب والنتائج تماماً كما يحدث في العالم المادي.
قدم فريق من الباحثين طريقة جديدة لبناء هذه العوالم التفاعلية، متجاوزين مجرد وضع الأشياء في مشهد إلى فهم كيفية استخدام تلك الأشياء فعلياً. لقد أطلقوا على نظامهم اسم "RoomWright". فبدلاً من إنشاء غرفة عن طريق ترتيب نماذج ثلاثية الأبعاد مثل قطع الشطرنج على لوحة، يقوم النظام بكتابة الغرفة بأكملها كمجموعة من التعليمات، أو الكود البرمجي، الذي يمكن للحاسوب تشغيله. يسمح هذا النهج بأن تكون البيئة الرقمية قابلة للتعديل بالكامل وجاهزة للمحاكاة. وتكمن الفكرة الجوهرية في أن الغرفة تُعرف من خلال الأنشطة التي تحدث داخلها. فإذا كنت تصنع القهوة، فأنت بحاجة إلى طاولة، وغلاية، ومصدر طاقة، وطريقة لتشغيلها. وقد وجد الباحثون أنه من خلال البدء بالنشاط والعمل بشكل عكسي للوصول إلى الأشياء واتصالاتها، استطاعوا توليد مشاهد ليست صحيحة بصرياً فحسب، بل منطقية وظيفياً أيضاً.
كانت الطرق السابقة تعتمد غالباً على النظر إلى صور الغرف لتخمين مكان وضع الأشياء. وبينما ينجح هذا في جعل الأشياء تبدو جميلة، فإنه غالباً ما يفشل في التقاط المنطق الخفي لكيفية عمل الأشياء معاً. قد يرى الروبوت غلاية وموقداً، ولكن دون فهم الوظيفة، قد يضع الغلاية طافية في الهواء أو في الاتجاه الخاطئ. يحل النظام الجديد هذه المشكلة من خلال معاملة كل قطعة أثاث رئيسية كمركز لمهمة محددة. فهو يسأل: "ماذا يحتاج الشخص ليفعل هنا؟" ثم يستدعي فقط الأشياء المطلوبة لتلك المهمة. فإذا كانت المهمة هي الطبخ، يضيف النظام موقداً، وطاولة، وغلاية، ويضمن وضعها في مكان يمكن للإنسان الوصول إليه فعلياً. هذه العملية، التي يسميها الباحثون "الاستدلال القائم على الاستخدام"، تضمن بناء الغرفة حول الاحتياجات البشرية بدلاً من مجرد المظهر البصري.
يذهب النظام خطوة أبعد بتعليمه كيفية تفاعل الأشياء مع بعضها البعض. ففي مطبخ حقيقي، يؤدي تدوير مقبض في مروحة إلى تغيير سرعة شفراتها، والضغط على زر في ميكروويف يضيء الشاشة. هذه ليست مجرد حركات لجزء واحد؛ بل هي سلاسل من الأحداث حيث يؤدي فعل واحد إلى إطلاق فعل آخر. قام الباحثون ببرمجة نظامهم لكتابة قواعد لهذه التفاعلات. يعمل كل قاعدة كأنه نص برمجي صغير: إذا ضغط المستخدم على مفتاح، فإن المصباح يضيء. إذا قام المستخدم بتدوير قرص، فإن سرعة المروحة تتغير. ومن خلال كتابة هذه القواعد ككود برمي، يمكن للنظام إنشاء سلوكيات معقدة حيث تعمل أشياء متعددة معاً، مثل وضع غلاية على قاعدة تقوم بتفعيل ضوء عند وضع الغلاية بشكل صحيح. وهذا يسمح للغرفة الرقمية بالتفاعل مع أفعال الروبوت بطريقة تبدو طبيعية ومتسقة.
أحد أصعب أجزاء بناء هذه الغرف هو تحديد الاتجاه الذي يجب أن يواجهه الشيء. فالمحمصة لها مقدمة، وخلفية، وأعلى، لكن الحاسوب الذي ينظر إلى صورة قد لا يعرف أي جانب هو المقدمة ما لم يرَ شخصاً يستخدمها. حل الباحثون ذلك باستخدام المعلومات التي لديهم بالفعل أثناء بناء الشيء. ولأن النظام يبني الغرفة من الكود، فهو يعرف تفاصيل كل جزء، مثل موقع المقبض أو الزر. وهو يستخدم هذه المعرفة لتحديد أفضل اتجاه للشيء بناءً على كيفية استخدام الإنسان له. وهذا يضمن وضع لوحة المفاتيح بحيث تواجه المستخدم، ووضع الفأرة لتناسب قبضة اليد اليمنى، وهو أمر غالباً ما تخطئه الطرق السابقة لأنها تعتمد فقط على التخمينات البصرية.
اختبر الفريق نظامهم من خلال إنشاء ثمانية وعشرين غرفة مختلفة، تتراوح من مناطق تناول الطعام إلى المكاتب، وقارنوا النتائج بالطرق الأخرى الموجودة. أظهرت الاختبارات أن نهجهم أنتج غرفاً أكثر اكتمالاً وواقعية بكثير. وفي عمليات المحاكاة الخاصة بهم، أنتجت الغرف المولدة عدداً أقل من الأشياء الطافية في الهواء، ودعماً أفضل للأثاث، وعدد أكبر من الأشياء التي يمكن الوصول إليها واستخدامها فعلياً. والأهم من ذلك، احتوت الغرف على عدد أكبر بك jauh من العناصر التفاعلية. فبينما قد تنشئ الطرق الأخرى غرفة بها بعض الأجزاء المتحركة، ولد النظام الجديد مشاهد تحتوي على العديد من الأشياء التي يمكن التحكم فيها، مثل الأبواب التي تفتح، والأضواء التي تعمل، والأقراص التي تتحكم في السرعة. وقد أثبت الباحثون أنه يمكن للروبوت دخول هذه الغرف الرقمية والقيام بنجاح بمهام مثل الإمساك بمقبض الباب لإغلاقه أو الضغط على زر لإضاءة شاشة عرض.
يمثل هذا العمل تحولاً كبيراً في كيفية بناء البيئات الرقمية للروبوتات والذكاء الاصطناعي. فمن خلال التركيز على غرض الغرفة بدلاً من مجرد مظهرها، نجح الباحثون في ابتكار طريقة لتوليد مساحات جاهزة للاختبار الواقعي. المشاهد الناتجة ليست مجرد صور ثابتة بل بيئات ديناميكية حيث يكون لكل شيء دور، ولكل فعل نتيجة. وهذا يسمح للروبوتات بتعلم وممارسة مهاراتها في عالم يتصرف تماماً مثل العالم الذي نعيش فيه، مما يسد الفجوة بين المحاكاة الرقمية والواقع المادي. يثبت النظام أنه عندما نبني عوالم رقمية بنفس المنطق الذي نستخدمه في منازلنا، فإننا ننشئ أساساً أفضل للآلات التي ستعيش وتعمل بجانبنا يوماً ما.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.