ARC: Autonomous Robotics Compliance A Three-Layer Governance Architecture for Deployed Autonomous Systems
تقترح الورقة إطار عمل الامتثال للروبوتات المستقلة (ARC)، وهو بنية حوكمة ثلاثية الطبقات للأنظمة المستقلة المنشورة تضمن السلامة والثقة من خلال التحقق من صحة النموذج، ومعايير الشهادات المعرفية، ومعايير التفويض التشغيلي.
تخيل عالماً لم تعد فيه الروبوتات مجرد أدوات تتبع تعليمات بسيطة ومبرمجة مسبقاً، بل أصبحت قادرة على التحرك في منازلنا ومستشفياتنا ومستودعاتنا بدرجة من الاستقلالية تكاد تكون بشرية. يمكنها التنقل حول الأثاث، وفهم الطلبات الشفهية، وحتى اتخاذ قرارات بشأن كيفية إتمام مهمة ما. هذا التحول من الآلات المتحكم بها إلى الوكلاء المستقلين يحدث الآن، حيث ينتقل من العروض المختبرية إلى الاستخدام في العالم الحقيقي. ومع ذلك، ظهرت فجوة حرجة في كيفية إدارة هذا الانتقال. فلعقود من الزمن، كان معيار السلامة مادياً: التأكد من أن الروبوت لا يصطدم بشخص أو يسقط جسماً ثقيلاً. ولكن مع اكتساب الروبوتات القدرة على التفكير والتعليل، أصبحت هناك حاجة لنوع جديد من السلامة. لم يعد كافياً معرفة ما إذا كان الروبوت قادراً على أداء مهمة ما؛ بل يجب أن نعرف أيضاً ما إذا كان مسموحاً له بأداء تلك المهمة في موقف معين. إن القدرة على فعل شيء ما والإذن بفعله أمران مختلفان تماماً، ومع ذلك غالباً ما تعامل الأنظمة الحالية هذين الأمرين كأنهما شيء واحد.
يقترح مقترح جديد يسمى ARC، أو الامتثال للروبوتات المستقلة (Autonomous Robotics Compliance)، حل هذا الارتباك عبر اقتراح نظام ثلاثي الخطوات للحكم على كيفية نشر هذه الآلات. يجادل الباحثون وراء هذا العمل، والذين يكتبون من مختبرات "وايب لابس" (Wybe Labs) في النرويج والولايات المتحدة، بأننا لا يمكننا ببساطة الوثوق بروبوت لمجرد أنه أظهر قدرته. بدلاً من ذلك، نحتاج إلى نهج متعدد الطبقات يفحص عقل الروبوت، ونظامه الإجمالي، ووظيفته المحددة في موقع معين. تنظر الطبقة الأولى إلى نموذج الذكاء الاصطناعي نفسه. فقد أظهرت الاختبارات الأخيرة أنه حتى أكثر نماذج الذكاء الاصطناعي تقدماً، عندما تُطلب منها العمل كروبوتات مادية، تفشل في احترام حدود السلامة بنسبة ثلاثين بالمائة تقريباً. قد تفهم أمراً نصياً، لكنها تفشل في إدراك أن تنفيذ ذلك الأمر قد يتسبب في ضرر مادي أو ينتهك قاعدة ما. تعمل هذه الطبقة كفحص سلامة أساسي لضمان أن البرمجيات الأساسية تفهم العالم المادي وقيودها الخاصة قبل أن يُسمح لها بمغادرة المختبر.
تنتقل الطبقة الثانية إلى ما وراء البرمجيات لتشمل الآلة بأكملها. تتضمن هذه الخطوة مراجعة مستقلة لقدرات الروبوت المعرفية، بشكل يشبه اختبار الطيار ليس فقط على مهارات الطيران، بل أيضاً على كيفية التعامل مع حالات الطوارئ والتفاعل مع مراقبة الحركة الجوية. يقترح الباحثون مجموعة من المعايير التي تقيس مدى فهم الروبوت لمحيطه، وتخطيطه لأفعاله، والأهم من ذلك، متى يعرف متى يقول "لا". على سبيل المثال، في بيئة المستشفى، قد يكون الروبوت قادراً على تقديم الدواء للمريض، ولكنه يجب أن يكون ذكياً بما يكفي لإدراك أنه غير مخول للقيام بذلك، وأن يطلب المساعدة من ممرض بدلاً من ذلك. تضمن هذه الطبقة أن الروبوت ليس مجرد عامل سريع، بل هو عامل مسؤول يدرك قواعد البيئة التي يدخلها.
الطبقة الثالثة هي الأكثر تحديداً وربما الأهم: فهي تمنح الإذن لروبوت معين للقيام بمهمة معينة في مكان معين. يؤكد الباحثون أن الروبوت المعتمد للعمل في مستودع ليس مسموحاً له تلقائياً بالعمل في دار رعاية مسنين، حتى لو كان هو نفس الجهاز. تربط هذه الطبقة بين الروبوت والمهمة والموقع معاً من خلال ما يسمى بـ "المنحة" (Grant). كما تقدم فكرة "الاستقلالية المكتسبة". فالروبوت لا يبدأ بحرية كاملة؛ بل يبدأ بوضع مؤقت، يعمل تحت الإشراف. وفقط بعد أن يسجل مئات الساعات من التشغيل الآمن، مع وقوع القليل جداً من الأخطاء وعدم وجود حوادث خطيرة، فإنه يستحق مستوى أعلى من الاستقلال. إذا ارتكب الروبوت خطأً أو تغيرت البيئة، يمكن إيقاف إذن العمل أو سحبه فوراً. يقر هذا النظام بأن الروبوتات مصممة للتعلم والتغير بمرور الوقت، لذا يجب تحديث تصريح السلامة الخاص بها باستمرار بناءً على أدائها الفعلي، وليس فقط بناءً على اختبار اجتازته قبل أشهر.
تقدم الورقة البحثية بنية ARC هذه ليس كقانون نهائي أو معيار مستخدم بالفعل، بل كمقترح قابل للاختبار لكيفية تعامل المجتمع مع هذه الآلات القوية. ويؤكد المؤلفون أنه بينما التكنولوجيا جاهزة للنشر، فإن قواعد حوكمتها ليست كذلك. ومن خلال الفصل بين ما يمكن للروبوت فعله وما يُسمح له بفعله، ومن خلال اشتراط إثبات السلامة في كل مستوى، يوفر نظام ARC وسيلة لجلب هذه الأنظمة إلى حياتنا دون فقدان السيطرة. إنه يشير إلى أن مستقبل الروبوتات لا يعتمد على بناء آلات أذكى، بل على بناء أنظمة أذكى للثقة والتحقق، مما يضمن أن كل روبوت في الموقع قد استحق مكانه هناك.
ملخص تقني: ARC — الامتثال للروبوتات المستقلة
1. بيان المشكلة
تحدد الورقة فجوة حوكمة حرجة في النشر التجاري للأنظمة الروبوتية المستقلة لعام 2026. فبينما تُظهر الشركات المصنعة قدرات تشغيلية (مثل الملاحة، التوصيل، ومساعدة المرضى)، هناك خلط مفاهيمي جوهري بين القدرة (ما يمكن للنظام فعله) والإذن (ما يُصرح للنظام بفعله في سياق محدد).
تعتبر الأطر الحالية غير كافية لثلاثة أسباب:
الانفصال بين الفيزيائي والإدراكي: تعالج معايير مثل ISO 10218 وISO 13482 السلامة الفيزيائية (قوى التصادم، التوقف الطارئ) لكنها تفشل في تقييم القدرات الإدراكية، مثل التعرف على حدود السلطة أو التعامل مع التعليمات الغامضة.
الافتقار إلى الشهادات المستقلة: تعتبر المعايير الحالية (مثل LIBERO وRoboCasa) أدوات بحثية لا تنتج شهادات قابلة للنقل وموثقة تشفيرياً للهيئات التنظيمية أو فرق المشتريات.
الأنظمة الاستاتيكية مقابل الأنظمة الديناميكية: تعامل الشهادات التقليدية التقييم كحدث يتم في نقطة زمنية واحدة، وهو أمر غير كlaفي للعمال القائمين على الذكاء الاصطناعي والمصممين للتغيير عبر التعلم، أو التحديثات، أو التكيف مع البيئة.
تسلط الأدلة التجريبية من ASIMOV-2.0 (Google DeepMind) الضوء على خطورة هذه الفجوة: تُظهر نماذج الذكاء الاصطناستمرامية معدلات انتهاك للقيود تبلغ 30% أو أكثر عند التفكير في قيود السلامة المتعلقة بالتجسيد، والمخاطر الفيزيائية، والمدخلات البصرية في آن واحد.
2. المنهجية: بنية ARC ثلاثية الطبقات
تقترح الورقة ARC (الامتثال للروبوتات المستقلة)، وهي بنية حوكمة تتكون من ثلاث طبقات مترابطة. تنتقل المنهجية من التحقق من النموذج إلى اعتماد النظام، وصولاً إلى التفويض التشغيلي.
الطبقة 1: التحقق من النموذج (ASIMOV)
الهدف: تحديد ما إذا كان نموذج الذكاء الاصطناعي الأساسي يستجيب بأمان لقيود السلامة الفيزيائية.
الآلية: يستخدم ASIMOV-Agentic (المشتق من ASIMOV-2.0) لتقييم إصدارات محددة من النماذج مقابل قيود خاصة بالتجسيد (حدود القوة، قيود الوصول) وسيناريوهات السلامة (خطر الإصابة، الالتزام بالقيود، إدراك مخاطر الفيديو في الوقت الفعلي).
القصور: هذه الطبقة شرط ضروري ولكنه غير كافٍ للنشر. فهي تتحقق من سلوك النموذج تحت توزيعات الاختبار ولكنها لا تأخذ في الاعتبار أخطاء دمج المستشعرات، أو ضجيج التشغيل، أو الاستمرارية التشغيلية لعدة ساعات.
الطبقة 2: اعتماد النظام (CRAB)
الهدف: تحديد ما إذا كان النظام المتكامل يلبي عتبات القدرة الإدراكية الخاصة بالمجال، ويتم تقييمه بشكل مستقل عن الشركة المصنعة.
الآلية: يقوم CRAB (معايير اعتماد الروبوتات الإدراكية) بتقييم النظام الكامل عبر ثمانية أبعاد إدراكية:
المستوى الأول (الأساسي): الوعي بالموقف (SA)، التخطيط والتنفيذ (UP)، التفاعل البشري (HI)، التصحيح الذاتي (SC)، التعميم (CG)، الطاقة والكفاءة (CE).
المستوى الثاني (الثقة والحوكمة - بوزن مضاعف): الالتزام بالسلامة والقيود (SCA) وشفافية القرار (DT).
مجموعات النطاقات: توجد ملفات تعريف محددة لكل من الرعاية الصحية (CRAB-H)، الإدارة/التنسيق (CRAB-A)، والصناعة/الخدمات اللوجستية (CRAB-I).
المخرج: ملف تعريف للقدرة لكل بُعد (وليس درجة إجمالية واحدة) مثبت عبر توثيق تشفيري (مقترح على بلوكشين Cardano) لضمان عدم التلاعب.
الطبقة 3: التفويض التشغيلي (LEA)
الهدف: تحديد ما إذا كان روبوت معين مخول لأداء مهمة محددة في موقع محدد.
الآلية: يصنف LEA-1:2026 (مستويات الاستقلال المكتسب)المنح، وليس الروبوتات. يربط المنح ثلاثة عناصر: روبوت واحد، فئة مهمة واحدة، وموقع واحد.
الأبعاد الرئيسية:
مستوى الاستقلال (A0–A5): يتراوح من التحكم عن بعد إلى الاستقلال المفتوح (A5 غير مدعوم حالياً).
فئة الاتصال (C0–C3): من عدم الاتصال إلى الإجراءات السريرية/الجسدية (C2 وC3 مقيدان بمستويات استقلال أقل تتطلب إشرافاً).
فئة البيئة (E0–E2): من البيئة الصناعية المحكومة إلى المنازل الخاصة (الأدلة لا تنتقل للأعلى).
وضع التعلم (LM0–LM3): يتراوح من النماذج المجمدة إلى تعلم الأسطول، مع وجود سقف لمستويات الاستقلال بناءً على وتيرة التحديث.
الحالة الديناميكية: تنتقل المنح من مؤقتة (PROVISIONAL) إلى مكتسبة (EARNED) بناءً على العمليات المسجلة الخاضعة للإشراف (على سبيل المثال، ≥400 ساعة، معدل تدخل ≤0.25/100 ساعة). تتحول الحالة تلقائياً إلى موقوفة (SUSPENDED) أو ملغاة (REVOKED) عند حدوث حوادث ذات شدة (S2/S3) أو فشل في المقاييس.
3. المساهمات الرئيسية
التمييز المفاهيمي: تفصل الورقة رسمياً بين "القدرة" و"الإذن"، مجادلة بأن القدرة المثبتة لا تشكل تفويضاً.
إطار عمل ثلاثي الطبقات: تقترح سلسلة حوكمة كاملة (ASIMOV + CRAB + LEA) حيث تعالج كل طبقة ما تعجز الطبقات الأخرى عن معالجته:
يجيب ASIMOV على: هل يتصرف النموذج بأمان؟
يجيب CRAB على: هل يلبي النظام عتبات المجال؟
يجيب LEA على: هل هذا الروبوت مخول لهذا السياق المحدد؟
نموذج التفويض الديناميكي: يقدم LEA نظام "الحالة المكتسبة" الذي يعالج "مشكلة الشهادة الاستاتيكية" من خلال اشتراط مقاييس تشغيلية مستمرة لصلاحية المنح، مع الإقرار بأن أنظمة الذكاء الاصطناعي تتغير بمرور الوقت.
مقترح المعايير الإدراكية: يقدم CRAB مجموعة محددة من الأبعاد الإدراكية، مع وزن مضاعف للالتزام بالسلامة والقيود (SCA) وشفافية القرار (DT)، المصممة خصيصاً للمجالات عالية المخاطر مثل الرعاية الصحية.
الدوافع التجريبية: يستند المقترح إلى بيانات ASIMOV-2.0 التي تظهر معدلات انتهاك للقيود تزيد عن 30% في نماذج الذكاء الاصطناعي المتطورة، مما يستدعي وجود طبقات عليا من الحوكمة.
4. النتائج وتطبيق دراسة الحالة
لا تقدم الورقة نتائج تجريبية جديدة، بل تطبق الإطار المقترح على سيناريو نشر افتراضي في مجال الرعاية الصحية (توصيل الوجبات في مرفق رعاية، بيئة E1).
السيناريو: يخضع روبوت متنقل (وضع تعلم LM1) لعملية الطبقات الثلاث.
الطبقة 1 (ASIMOV): يجب أن يحقق النموذج معدل انتهاك للقيود <15% لسيناريوهات الاتصال C1 ليكون مؤهلاً للنشر المؤقت.
الطبقة 2 (CRAB-H): يظهر تقييم توضيحي أن النظام يسجل درجات عالية في الالتزام بالسلامة والقيود (920) وشفافية القرار (870) ولكنه يفشل في الحد الأدنى الخاص بالمجال في جانب التعميم (CG: 720 مقابل المطلوب 750).
النتيجة:مشروط (CONDITIONAL). النظام ليس مرفوضاً، ولكن يتم تقييده بزيادة الإشراف حتى يتحسن مستوى التعميم.
الطبقة 3 (LEA): بناءً على نتيجة CRAB المشروطة، يحصل المشغل على منح مؤقت (PROVISIONAL) (A2/C1/E1/LM1). الهدف هو الوصول إلى الحالة المكتسبة (EARNED) (A3) بعد تراكم 400+ ساعة من العمل الخاضع للإشراف مع معدلات تدخل منخفضة وسلامة عالية عند التراجع.
توضح الورقة أنه بدون الطبقات الثلاث، تكون الحوكمة غير مكتملة:
ASIMOV فقط: سلامة النموذج معروفة، لكن قدرة النظام والتفويض مجهولان.
CRAB فقط: قدرة النظام معروفة، لكن سلامة النموذج والتفويض الخاص بالموقع مجهولان.
LEA فقط: التفويض معروف، لكن التحقق من السلامة والقدرة الأساسية مفقود.
ARC (الثلاثة معاً): تغطية حوكمة كاملة.
5. الأهمية والادعاءات
تضع الورقة ARC كـ مقترح حوكمة قابل للاختبار، وتصرح صراحة بأنها ليست نظام اعتماد أو تفويض مستقر. تكمن أهميتها في:
تحفيز المراجعة من قبل الأقران: تدعو إلى الاختبار التجريبي، والمشاركة التنظيمية، ومدخلات أصحاب المصلحة لتنقيح العتبات وهياكل العمل المقترحة.
المواءمة التنظيمية: تقترح أن ARC يمكن أن تعمل كمدخل للامتثال لقانون الذكاء الاصطناعي في الاتحاد الأوروبي ولائحة الآلات في الاتحاد الأوروبي، لا سيما للأنظمة عالية المخاطر، رغم أنها لا تدعي الاعتراف القانوني الحالي.
سد الفجوة: تربط بين علوم السلامة، والاعتماد المستقل، والتفويض الخاص بالموقع في كيان متماسك، معالجةً "الخلط بين القدرة والإذن".
المعايرة المستقبلية: يقر المؤلفون بأن عتبات التخرج في LEA (مثل 400 ساعة) هي "مقترحات حوكمة مستندة إلى معلومات" وليست مستمدة تجريبياً كقيم مثلى. ويقترحون التعاون مع برنامج ROBOWELL (NordForsk) لتوليد بيانات طولية لمعايرة هذه العتبات.
تخلص الورقة إلى أن "القدرة ليست إذناً" وأن ARC تربط بين كليهما، وتعمل كنقطة انطلاق للاستشارة العامة والحوار التنظيمي، مع دعوة محددة لتقديم التعليقات على LEA-1:2026 بحلول 30 نوفمبر 2026.