A Taxonomy of Construction Task Activities for Robot Workers
تقدم هذه الورقة البحثية "تاركات" (TARCAT)، وهو تصنيف بشري التفسير يتكون من 41 بدائية لعمليات البناء مستمدة من البيانات المهنية ومقاطع الفيديو التعليمية، صُمم لتوحيد تحليل العمل البشري وتمكين تطوير عمال روبوتات للأغراض العامة من خلال مهارات قابلة لإعادة الاستخدام والتركيب.
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
لفهم تحدي تعليم روبوت بناء منزل، يجب أولاً فهم الفرق بين آلة تتبع أمراً واحداً وعامل يفهم طبيعة الوظيفة. غالباً ما تكون الروبوتات الحديثة مثل متخصصين مَهَرة للغاية يمكنهم أداء حركة واحدة مثالية، مثل لحام خط أو طلاء جدار واحد، لكنهم يواجهون صعوبة عندما تتغير البيئة أو عندما تتطلب المهمة تسلسلاً من الأفعال المختلفة. وفي السنوات الأخيرة، ظهر نوع جديد من الذكاء الاصطناعي يمكنه رؤية صورة، وفهم جملة، واتخاذ قرار بشأن فعل فيزيائي، مما يوفر مساراً نحو آلات يمكنها التكيف مع المواقف الجديدة. ومع ذلك، بالنسبة للإنشاءات، حيث تختلف المواد والأدوات والمواقع بشكل هائل، فإن مجرد امتلاك عقل ذكي ليس كافياً؛ إذ يحتاج الروبوت إلى لغة واضحة ومشتركة لوصف ما يجب عليه فعله بالضبط، عبر تفكيك الوظائف البشرية المعقدة إلى قطع صغيرة قابلة للتعلم يمكن إعادة دمجها. وبدون هذه المفردات، لن يعرف الروبوت ما هو قادر على تعلمه أو ما ينقصه.
هذه هي المشكلة التي سعى فريق من الباحثين في جامعة كاليفورنيا، إيرفاين، لحلها باستخدام إطار عمل جديد يسمى TARCAT. فبدلاً من التخمين فيما يجب على روبوت البناء القيام به، بدأ الفريق بالأشخاص الذين يقومون بالعمل فعلياً. قاموا بتحليل الأوصاف الوظيفية الرسمية لسبع من أكثر المهن الإنشائية شيوعاً في الولايات المتحدة، بما في ذلك النجارون والكهربائيون والروفرز (عمال السقف) والعمال. هذه الأوصاف، المستمدة من قاعدة بيانات حكومية تُستخدم لتتبع الاقتصاد، تسرد مئات المهام المحددة التي يؤديها البشر يومياً. ثم شاهد الباحثون ثلاثين فيديو تعليمياً لهؤلاء العمال أثناء العمل، وقاموا برسم خرائط دقيقة لكل حركة وقرار اتخذه البشر مقابل الأوصاف الوظيفية الرسمية. ومن خلال هذا الغوص العميق في العمل الواقعي، استخرجوا مخزوناً دقيقاً من أربعين حركة أساسية، أطلقوا عليها اسم "اللبنات الأولية" (primitives).
هذه اللبنات الأولية هي وحدات البناء في أعمال الإنشاءات. وهي ليست مرتبطة بمهنة معينة أو أداة معينة، بل ترتبط بالقدرة الفيزيائية أو الذهنية الأساسية المطلوبة لإنجاز شيء ما. على سبيل المثال، فعل "القياس" هو لبنة أولية تنطبق سواء كان العامل يستخدم شريط قياس للتحقق من جدار أو مقياس ضغط للتحقق من أنبوب. وبالمثل، "التواصل" هو لبنة أولية تشمل التحدث إلى زميل عمل أو كتابة تقرير. وقد نظم الباحثون هذه الأربعين حركة في ثلاث فئات رئيسية: معالجة المعلومات، والتي تتضمن فهم المخططات والتحقق من الظروف؛ والتواصل، الذي يغطي التحدث والإشارات؛ واستخدام الأدوات، الذي يشمل كل شيء بدءاً من الحركات الدقيقة للأصابع وصولاً إلى الرفع الثقيل للجسم بأكمله. ومن خلال تعريف هذه الأفعال بهذه الطريقة، أنشأ الفريق نظاماً يمكن للروبوت من خلاله تعلم مهارة واحدة، مثل "شد برغي"، وفهم أنها تتكون من أجزاء أصغر قابلة لإعادة الاستخدام مثل "الإمساك بالأداة"، و"تحديد موضع اليد"، و"تدوير المعصم".
تكمن قوة هذا النظام في كيفية دمج هذه الأفعال الصغيرة. فقد أظهر الباحثون أنه من خلال ربط هذه اللبنات الأولية معاً في ترتيب محدد، يمكن للروبوت تكوين "مهارة" تنجز هدفاً فرعياً، مثل فصل سلك أو تركيب بلاطة. ويمكن بعد ذلك مزج هذه المهارات ومطابقتها لإنشاء إجراءات معقدة لمهام إنشائية كاملة. ولإثبات أن هذه القائمة المجردة من الأفعال يمكن أن تعمل بالفعل في العالم الحقيقي، اختبر الفريق أربعاً من لبنات استخدام الأدوات هذه على ذراع روبوت فيزيائية مجهزة بيد ماهرة. وقد نجحوا في برمجة الآلة لتحديد موضع مفك براغي كهربائي، ووضع مطرقة في صندوق، ودق مسمار، وإزاحة الأشياء بفرشاة. وقد أكدت هذه التجارب أن هذا التصنيف ليس مجرد قائمة نظرية، بل هو مجموعة من التعليمات التي يمكن للآلة تنفيذها مادياً.
الهدف النهائي لـ TARCAT هو توفير لغة مشتركة تسمح للروبوتات بالتعلم من العروض البشرية وتساعد الوكلاء البرمجيين في معرفة كيفية بناء مهارات جديدة. فإذا احتاج روبوت لتعلم كيفية تركيب سقف، فإنه لا يحتاج إلى تعلم ذلك من الصفر؛ بدلاً من ذلك، يمكنه استرجاع المهارات المعروفة للقياس والقطع والتثبيت، وتركيبها في تسلسل جديد. ويقر الباحثون بأن عملهم الحالي يغطي سبع مهن فقط وعدد محدود من الأمثلة المرئية، لذا فإن النظام ليس مكتملاً بعد. ومع ذلك، من خلال ترسيخ عملهم في المهام الفعلية للعمال البشر، فقد وضعوا أساساً مستقراً لتطوير روبوتات إنشاءات عامة الأغراض يمكنها في النهاية التعامل مع الواقع الفوضوي والمتنوع والمعقد لمواقع البناء.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.