World-Model-Grounded LLM Planning for AUV and ASV Navigation Near Offshore Wind Farms

تخيل روبوتاً يمكنه فهم جملة بسيطة مثل "اذهب لتفحص توربين الرياح ذاك" ثم يستطيع تحديد الخطوات للوصول إلى هناك. لسنوات، كان العلماء يعلمون الذكاء الاصطناعي القيام بهذا الأمر بالضبط باستخدام النماذج اللغوية الكبيرة، وهي نفس التكنولوجيا التي تشغل المساعدات الذكية وروبوتات الدردشة. هذه الأنظمة ممتازة في تفكيك هدف كبير إلى أفعال أصغر، مثل "تحرك للأمام"، أو "انعطف يساراً"، أو "توقف". ومع ذلك، فإن لديها نقطة عمياء حرجة: فهي لا تفهم الفيزياء. هي تعرف الكلمات الخاصة بتحريك قارب أو غواصة، لكنها لا تستطيع الشعور بثقل الماء، أو سحب التيار، أو التأخير الذي يستغرقه المحرك للاستجابة. إذا طلبت من نموذج لغوي قياسي توجيه سفينة حول توربين، فقد يقترح دوراناً يبدو مثالياً على الورق ولكنه يفشل في الواقع لأن الماء يدفع القارب جانبياً أو لأن المحرك يتأخر، مما يؤدي إلى انحراف السفينة مباشرة نحو الهيكل. هذه الفجوة بين ما يعتقده الكمبيوتر وما يحدث بالفعل في المحيط هي المشكلة المركزية التي سعى الباحثون في معهد أبحاث الدفاع النرويجي وجامعة هيريوت وات إلى حلها.

قام الفريق بتطوير طريقة جديدة لتوجيه الروبوتات ذاتية القيادة بالقرب من مزارع الرياح البحرية من خلال منحها "نموذج عالم" (world model). فكر في هذا ليس كدماغ ثانٍ يفكر، بل كمحاكي دقيق للغاية يعمل في الخلفية. في هذا النظام، لا يزال النموذج اللغوي يعمل كقائد، يقرر تسلسل الأفعال بناءً على وصف المهمة. ولكن قبل أن يتحرك الروبوت، يتدخل نموذج العالم للإجابة على سؤال "كم من الوقت" و"بأي مقدار". فهو يحسب المدة الدقيقة لكل حركة ويتحقق مما إذا كانت الخطة ستصمد أمام الحقائق الفيزيائية للمحيط، مثل الأمواج والتيارات والطريقة المحددة التي تعمل بها محركات الروبوت. إذا بدا أن الخطة ستؤدي إلى تصادم، يقوم نموذج العالم بتعديل التوقيت أو المسار، مما يضمن بقاء الروبوت آمناً مع استمرار وصوله إلى هدفه.

لاختبار هذا النهج، عمل الباحثون مع نوعين مختلفين تماماً من الروبوتات: مركبة تحت الماء يمكنها التحرك في جميع الاتجاهات، بما في ذلك الجوانب، وقارب سطحي لا يمكنه سوى التحرك للأمام والخلف والالتفاف، تماماً مثل السيارة. لقد أنشأوا نظاماً هجيناً حيث قدم محاكي فيزيائي قياسي قواعد الحركة الأساسية، بينما تعلمت شبكة عصبية تصحيح الأخطاء الصغيرة والفوضوية التي ترتكبها الآلات في العالم الحقيقي. سمح هذا المزيج للنظام بالتنبؤ بالحالة المستقبلية للروبوت بدقة متناهية. في عمليات المحاكاة التي أجروها، استطاع النظام التنبؤ بمكان الروبوت تحت الماء بعد دقيقة واحدة بهامش خطأ يقل عن مليمتر واحد، ومكان القارب السطحي بهامش خطأ يقل عن نصف متر.

كانت نتائج اختباراتهم مذهلة. فعندما أُعطيت الروبوتات مهاماً للملاحة حول أبراج توربينات الرياح والكابلات، فشل النموذج اللغوي وحده تماماً؛ فقد اصطدم بالعقبات في كل تجربة لأنه لم يستطع حساب الانجراف الناتج عن تيارات المياه أو تأخر المحركات. في المقابل، عندما تم الجمع بين النموذج اللغوي ونموذج العالم، وصلت كل من الروبوتات تحت الماء والقوارب السطحية إلى وجهاتها دون حدوث تصادم واحد. قلل النظام المسافة بين مكان توقف الروبوت وهدفه المنشود بنسبة 93% تقريباً للمركبة تحت الماء، وبين 70 و82% للقارب السطحي، مقارنة بالمحاولات غير الموجهة.

تضمن جزء ذكي للغاية من العمل هو القارب السطحي، الذي غالباً ما يكون صغيراً ورخيص الثمن بحيث لا يمكنه حمل مستشعرات باهظة الثمن مثل السونار أو الماسحات الضوئية الليزرية لرسم خرائط قاع المحيط في الوقت الفعلي. بدلاً من الاعتماد على المستشعرات الموجودة على متن المركبة، علم الباحثون النظام كيفية "رؤية" البيئة باستخدام صور الأقمار الصناعية، والخرائط الملاحية، وتوقعات الطقس. قام نموذج لغوي بصري بتحليل هذه الخرائط الموجودة لتحديد العقبات مثل الصخور الضحلة أو الهياكل المغمورة، وتحويلها إلى خريطة رقمية يمكن للروبوت استخدامها. أثبتت هذه الطريقة أنها فعالة تماماً مثل قيام إنسان برسم العقبات يدوياً على خريطة، حيث حققت دقة بنسبة 96% في التمييز بين المناطق الصالحة للملاحة والمناطق غير الصالحة. وهذا يعني أن الروبوتات منخفضة التكلفة يمكنها قريباً الملاحة في المناطق الساحلية المعقدة دون الحاجة لحمل معدات ثقيلة وباهظة الثمن.

اختبر الباحثون أيضاً مدى قدرة هذا النظام على الصمود في محاكاة أكثر واقعية وعالية الدقة تتضمن أنماط أمواج معقدة وتيارات غير متوقعة. وحتى في هذه البيئة الصعبة، ظلت الروبوتات خالية من التصادمات. تضمن النظام آلية سلامة تقوم باستمرار بإعادة تقييم الخطة أثناء تحرك الروبوت. فإذا انحرف الروبوت عن مساره بسبب موجة مفاجئة، يقوم النظام بسرعة بإعادة حساب المسار المتبقي لضمان قدرته على الوصول إلى الهدف بأمان. كانت هذه العملية ذات الحلقة المغلقة، والتي تعمل كرقابة وتوازن مستمر، حاسمة للنجاح، خاصة في المناورات الضيقة حيث يمكن لخطأ صغير أن يؤدي إلى حادث.

في النهاية، تثبت الدراسة أنه بينما يعد الذكاء الاصطناعي قوياً في فهم اللغة وتخطيط التسلسلات، فإنه يحتاج إلى ترسيخ في الواقع الفيزيائي ليكون مفيداً في العالم الحقيقي. ومن خلال الجمع بين التفكير عالي المستوى للنموذج اللغوي ونموذج عالم مدرك للفيزياء، ابتكر الباحثون نظاماً يمكنه توجيه المركبات ذاتية القيادة بأمان عبر البيئات المعقدة والديناميكية لمزارع الرياح البحرية. ويشير هذا العمل إلى أن مستقبل الروبوتات البحرية لا يكمن في جعل النموذج اللغوي أكثر ذكاءً، بل في منحه فهماً أفضل للعالم الفيزيائي الذي يعمل فيه، مما يسمح له باتخاذ قرارات ليست منطقية فحسب، بل ممكنة فيزيائياً أيضاً.