Hydra: A Navigation World Action Model with Discrete Latent Planning and Continuous Flow-Matching Execution

لطالما عانت الروبوتات في سبيل التحرك عبر العالم ببعد نظر يمتلكه الكائن الحي. وبينما يمكن للآلات الحديثة أن تتفاعل فوراً مع ما تراه، إلا أنها غالباً ما تفتقر إلى القدرة على تخيل ما سيحدث لاحقاً. تعمل أنظمة الملاحة التقليدية مثل سائق ينظر فقط إلى الطريق الذي أمامه مباشرة، حيث يتفاعل مع العوائق عند ظهورها، لكنه يعجز عن التخطيط لمسار حول طريق مسدود حتى فوات الأوان. ولإعطاء الروبوتات هذا النوع من بعد النظر، طور العلماء "نماذج عالمية" (world models)، وهي في الأساس محاكيات داخلية تسمح للآلة بتخيل مستقبليات مختلفة قبل أن تتحرك. ومع ذلك، فإن عقبة رئيسية منعت استخدام هذه المحاكيات في الوقت الفلي في الروبوتات الفيزيائية: وهي أن عملية فحص هذه المستقبليات المتخيلة بطيئة للغاية. تتطلب الأساليب الحالية من الروبوت توليد آلاف المسارات المحتملة، وتحويل كل منها إلى صورة مفصلة للتحقق من السلامة، ثم استبعاد المسارات السيئة. هذه الدورة من إنشاء وفحص الصور ثقيلة حسابياً لدرجة أنها تسبب تجمد الروبوت، مما يجعل الملاحة في الوقت الفعلي أمراً مستحيلاً.

يحل نهج جديد يسمى "هيدرا" (Hydra)، والذي طوره باحثون من عدة جامعات، هذه المشكلة عن طريق تغيير طريقة تفكير الروبوت في الحركة. فبدلاً من محاولة تخيل كل مستقبل ممكن بتفاصيل عالية الدقة، يتعلم "هيدرا" التفكير في مفاهيم حركة واسعة ومنفصلة، تماماً كما قد يفكر الإنسان في "انعطاف يساري" أو "مسار مستقيم" بدلاً من حساب الزاوية الدقيقة لكل دوران للعجلات. وقد بنى الباحثون نظاماً يعيش فيه مخطط الروبوت داخل المحاكي نفسه، حيث يبحث عن أفضل مسار ضمن خريطة مضغوطة ومجردة من الاحتمالات، بدلاً من البحث في مساحة شاسعة ومفتوحة من البكسلات. وهذا يسمح للروبوت بتقييم آلاف المستقبليات المحتملة في جزء من الثانية، واستبعاد المسارات الخطرة قبل رسمها بالكامل. وبمجرد اختيار مسار آمن، يقوم النظام بترجمة ذلك المفهوم المجرد إلى حركات سلسة ومستمرة يمكن لمحركات الروبوت تنفيذها.

يكمن الابتكار الجوهري في تقنية يسميها المؤلفون "التخطيط الكامن المنفصل" (discrete latent planning). في الأنظمة السابقة، كان الروبوت الذي يحاول التنقل في ممر ما يولد تدفقاً مستمراً من المسارات المحتملة، والتي قد يؤدي الكثير منها مباشرة إلى اصطدامه بجدار. وكان النظام سيضطر حينها إلى رندرة (توليد) كل من هذه المسارات إلى صورة مرئية لمعرفة ما إذا كان هناك تصادم، وهي عملية تستغرق وقتاً طويلاً بالنسبة لروبوت متحرك. يتجنب "هيدرا" هذه العقبة من خلال إجبار تنبؤاته على المرور عبر مرشح متخصص يجمع الحركات المتشابهة في مفردات محدودة وثابتة من النوايا. فعندما ينظر الروبوت في مستقبل ما، فإنه لا يولد صورة ضبابية لحادث؛ بل يختار رمزاً (token) من مفرداته المتعلمة يمثل "انعطافاً آمناً" أو "اصطداماً". ولأن هذه الرموز مستمدة من قائمة محدودة من الأفعال الممكنة فيزيائياً، يمكن للروبوت أن يدرك فوراً أن المسار المؤدي إلى جدار هو مسار غير صالح دون الحاجة أبداً لتصور الحادث بصرياً. هذا التحول من التخمين المستمر إلى الاختيار المنفصل يسمح للنظام باستبعاد الخيارات الخطرة بشكل شبه فوري، وتركيز قدرته الحسابية فقط على المسارات التي تُعرف بالفعل بأنها معقولة.

لضمان أن تؤدي هذه الاختيارات المجردة إلى حركة فيزيائية سلسة، يربط "هيدرا" هذا التخطيط المنفصل بطريقة تنفيذ مستمرة. فبمجرد أن يختار الروبوت المسار المجرد الأفضل، يقوم نظام ثانوي بتحويل هذا الخيار إلى الأوامر الدقيقة والسلسة اللازمة لتدوير العجلات. هذه العملية ذات الخطوتين — التخطيط في مساحة مبسطة ومجردة، ثم التنفيذ في العالم الحقيقي — تسمح للروبوت بالحفاظ على سلامة المحاكي مع سرعة السائق التفاعلي. اختبر الباحثون هذا النظام على روبوتين مختلفين، مركبة ذات عجلات وروبوت يشبه الكلب رباعي الأرجل، في بيئات متنوعة تشمل ممرات ضيقة ومناطق بها عوائق مخفية. وفي هذه التجارب، نجح النظام في تخطيط مسارات خالية من الاصطدام نحو أهداف تبعد حوالي ثمانية أمتار في أقل من ثانية واحدة، وهي سرعة تفوق بـ 500 مرة الأساليب السابقة التي كانت تعتمد على توليد وفحص الصور الكاملة.

تسلط نتائج هذه الاختبارات الفيزيائية الضوء على فجوة كبيرة بين الطريقة القديمة في التفكير والنهج الجديد. فعندما قارن الباحثون "هيدرا" بالأنظمة الحالية التي تستخدم أخذ العينات المستمرة، فشلت الأساليب القديمة في التنقل حول العوائق، وغالباً ما كانت تصطدم لأنها تقضي وقتاً طويلاً في حساب مسارات مستحيلة. في المقابل، حقق "هيدرا" معدل نجاح مثالياً في البيئات غير المحظورة، ونجح في التنقل حول الزوايا المخفية والعوائق في الغالبية العظمى من التجارب. كما تمكن النظام من اكتشاف الاصطدامات الوشيكة من خلال ملاحظة متى لا يتوافق المسار المقترح مع مفرداته المتعلمة للحركات الآمنة، وهي إشارة ظهرت قبل وقت طويل من اصطدام الروبوت جسدياً بأي شيء. وقد ثبت أن القدرة على رفض المسارات غير الآمنة بناءً على هيكلها المجرد، بدلاً من مظهرها البصري، هي وسيلة قوية لضمان السلامة دون إبطاء عملية اتخاذ القرار.

وعلى الرغم من هذه النجاحات، يقر الباحثون بأن النظام لا يخلو من القيود. فطريقة تجميع الحركات في مفردات ثابتة تعني أن الروبوت يواجه أحياناً صعوبة في التمييز بين عائق حقيقي ومنطقة معقدة بصرياً ولكنها آمنة، مثل بقعة من النباتات الكثيفة. ولأن النظام يعتمد على مدى صعوبة إعادة بناء مشهد من أكواده المجردة، فإن البيئات ذات الأنسجة العالية يمكن أن تثير أحياناً إنذارات كاذبة، مما يجعل الروبوت يتردد في أماكن يمكنه المرور منها بأمان. بالإضافة إلى ذلك، يواجه النظام الحالي صعوبة في تمثيل الأجسام الديناميكية مثل البشر، حيث يقوم بتنعيمهم وإخراجهم من الخلفية بدلاً من التعامل معهم ككيانات متميزة يجب تجنبها. تشير هذه التحديات إلى أنه بينما يعد النهج المنفصل خطوة قوية للأمام، فإن النسخ المستقبلية ستحتاج إلى تحسين كيفية تمثيلها للعالم للتعامل مع التعقيد الكامل للبيئات البشرية.

في نهاية المطاف، يوضح هذا العمل أن الروبوتات يمكنها تحقيق تخطيط موجه نحو الأهداف في الوقت الفعلي من خلال التفكير في المفاهيم بدلاً من البكسلات. فمن خلال نقل عملية التخطيط إلى داخل المحاكي وتقييد البحث في مجموعة متعلمة من الحركات الصالحة، نجح الباحثون في إنشاء نظام يتميز بالسرعة والأمان معاً. وتشير النتائج إلى أن المفتاح لتوسيع نطاق النماذج العالمية للروبوتات الفيزيائية ليس في جعلها أكثر تفصيلاً، بل في جعلها أكثر هيكلية، مما يسمح لها بتخيل المستقبل بطريقة فعالة حسابياً ومرتبطة بالواقع الفيزيائي. يقدم هذا النهج مساراً واعداً نحو روبوتات يمكنها التنقل في العالم الحقيقي بنفس نوع الاستباق الحدسي الذي يستخدمه البشر كل يوم.