في الزوايا الهادئة والمزدحمة للمنازل أو في الممرات الضيقة لمتاجر البقالة، يواجه الروبوت تحديًا بسيطًا بالنسبة للبشر ولكنه محير للآلات: التقاط شطيرة دون سحقها، أو رفع كوب ورقي دون تركه ينزلق. لعقود من الزمن، علم المهندسون الروبوتات كيفية الإمساك بالأشياء عن طريق قياس الأرقام — مقدار القوة المطبقة، ومقدار الاحتكاك الموجود، وما إذا كان الجسم يتحرك. هذه القياسات دقيقة وموثوقة، لكنها تغفل الجزء الأهم في المعادلة: الشعور البشري بأن القبضة "مثالية تمامًا". قد يطبق الروبوت قوة كافية فيزيائيًا للإمساك بجسم ما، ومع ذلك، بالنسبة لمراقب بشري، يبدو الجسم منبعجًا أو مشوهًا قليلاً، مما يشير إلى أن القبضة قوية جدًا. هذا الانفصال بين ما يقيسه الروبوت وما يتوقعه البشر يخلق حاجزًا أمام التعاون الحقيقي. فإذا لم يستطع الروبوت فهم أن الشطيرة المسحوقة هي حالة فشل، حتى لو لم تسقط، فلن يتم الوثوق به أبدًا في المهام اليومية الدقيقة.

قام فريق من الباحثين في معهد كيوشو للتكنولوجيا في اليابان بتطوير طريقة جديدة لسد هذه الفجوة. لقد ابتكروا نظامًا يسمح للروبوت بتعلم المعايير البصرية والذاتية للقبضة البشرية، ومن ثم تطبيق تلك المعايير باستخدام مستشعراته الميكانيكية فقط. بدلاً من برمجة الروبوت بقواعد صارمة لكل جسم محتمل، وهو أمر مستحيل نظرًا للتنوع اللانهائي للأشياء في العالم، بنى الباحثون إطارًا ينقل الحدس البشري إلى الآلة. يعمل النظام من خلال عرض كيفية تقييم القبضة على إنسان أولاً، ثم استخدام ذلك التقييم لتعليم الروبوت ما يجب أن يبحث عنه في بياناته الخاصة. والنتيجة هي روبوت يمكنه التكيف مع جسم جديد وغير معروف بعد رؤية أمثلة قليلة فقط، حيث يتعلم التوقف عن الضغط في اللحظة التي يقرر فيها الإنسان أن القبضة مثالية.

اختبر الباحثون هذه الفكرة على ثلاثة عناصر شائعة توجد في البيئات غير المنظمة: كرة الأرز، والشطيرة، والكوب الورقي. تم اختيار هذه الأشياء لأنها لينة، وقابلة للتشوه، وتتصرف بشكل مختلف تحت الضغط. لتعليم الروبوت، سجل الفريق أولاً فيديوهات للروبوت وهو يمسك بهذه العناصر مع زيادة القوة بخطوات صغيرة ودقيقة. شاهد مراقب بشري هذه الفيديوهات وحدد لحظتين حرجتين: الثانية الدقيقة التي أمسك فيها القابض بالجسم بإحكام، واللحظة الأولى التي بدأ فيها الجسم يظهر علامات تلف مرئية، مثل الانبعاج أو تغير الشكل. حددت هذه اللحظات ثلاث حالات للروبوت: الانزلاق (عدم الإمساك بقوة كافية)، والمناسب (الإمساك بشكل مثالي)، والمفرط (الضغط بقوة زائدة).

يكمن الابتكار الجوهري في كيفية تعلم الروبوت لهذه التعريفات دون الحاجة إلى آلاف الأمثلة المصنفة بشريًا. استخدم الباحثون نموذج لغة ورؤية ضخمًا، وهو نوع من الذكاء الاصطناعي القادر على فهم الصور والنصوص، ليعمل كجسر. لقد عرضوا على هذا الذكاء الاصطناğu بضعة أمثلة من أحكام البشر — مجرد فيديوهين أو ثلاثة حيث قام إنسان بالفعل بتحديد اللحظات المثالية. ثم استخدم الذكاء الاصطناعي هذه الأمثلة كدليل لتصنيف بقية بيانات الفيديو تلقائيًا. هذه العملية، التي يسميها الفريق "مولد مشرف شبه تلقائي"، سمحت لهم بإنشاء مجموعة بيانات تدريب كاملة لكل جسم بأقل جهد بشري. تعلم الذكاء الاصطناعي التعرف على الإشارات البصرية الدقيقة للتشوه التي قد يلاحظها البشر، محولًا "عين" الإنسان فعليًا إلى مجموعة من الملصقات التي يمكن للروبوت فهمها.

بمجرد حصول الروبوت على هذه البيانات المصنفة، تعلم التنبؤ بحالة القبضة في الوقت الفعلي باستخدام مستشعراته الداخلية فقط. الروبوت لا يملك عيونًا ليرى الانبعاج؛ بدلاً من ذلك، يعتمد على مستشعرات لمسية في أطراف أصابعه وقياس للقوة التي يطبقها. درب الباحثون نموذج تنبؤ خفيف الوزن للنظر في تاريخ قراءات هذه المستشعرات وتخمين ما سيحدث في الجزء من الثانية التالي. إذا كان نمط الضغط واللمس يشير إلى أن الجسم على وشك التشوه، فإن الروبوت يعرف متى يتوقف عن زيادة القوة. يحدث هذا التنبؤ في جزء من الثانية، مما يسمح للروبوت بتعديل قبضته باستمرار أثناء رفع وتحريك الجسم.

أظهرت التجارب أن هذا النهج يعمل بشكل جيد للغاية. عندما اختبر الباحثون النظام على العناصر الثلاثة، تحسنت قدرة الروبوت على التنبؤ بالحالة الصحيحة بسرعة مع رؤية المزيد من البيانات. مع مثال واحد فقط من حكم بشري، استطاع الروبوت البدء في فهم المهمة، لكن تنبؤاته كانت متذبذبة أحيانًا. وعندما أعطي مثالين، أصبح أداء الروبوت دقيقًا للغاية، مطابِقًا للحكم البشري بشكل شبه مثالي. وفي الاختبارات التي قام فيها الروبوت بالفعل برفع وتحريك الأشياء، نجح في الحفاظ على القبضة "المناسبة" في كل تجربة تقريبًا. بالنسبة للكوب الورقي والشطيرة، حقق الروبوت درجة مثالية في الحفاظ على الجسم آمنًا دون ضرر. أما بالنسبة لكرة الأرز، التي تتميز بشكل أكثر عدم انتظام وكثافة غير متساوية، فقد كان الروبوت أكثر حذرًا قليًا، حيث توقف عن الضغط قبل الإنسان بقليل، لكنه نجح أيضًا في نقل العنصر دون إسقاطه أو سحقه.

لتأكيد أن الروبوت يلبي حقًا التوقعات البشرية، طلب الباحثون من خمسة وعشرين شخصًا مشاهدة فيديوهات للروبوت وهو يؤدي هذه المهام. طُلب من المشاركين تحديد ما إذا كانت قبضة الروبوت منزلقة، أو مناسبة، أو مفرطة. في معظم الحالات، اتفق أكثر من تسعين بالمائة من الناس على أن الروبوت كان يمسك الجسم بشكل صحيح. الاستثناء الوحيد كان في تجربة واحدة مع الشطيرة حيث أمسكها الروبوت بشكل مائل قليًا عن المركز، مما تسبب في تشوه بصري فسره البعض على أنه قوة مفرطة. تشير هذه النتيجة إلى أن النظام نجح في مواءمة الأفعال الميكانيكية للروبوت مع التوقعات البصرية البشرية، مما خلق قبضة تبدو "صحيحة" للشخص الذي يشاهد.

سلطت الدراسة الضوء أيضًا على حدود هذا النهج الحالي. لاحظ الباحثون أن النظام يعمل بشكل أفضل عندما تكون الأشياء مشابهة لتلك التي رآها بالفعل. إذا تم تقديم نوع جديد من الشطائر بنسيج أو صلابة مختلفة تمامًا، فقد يحتاج الروبوت إلى بضعة أمثلة إضافية لتعلم القواعد الجديدة. كما أشار الفريق إلى أن طريقتهم الحالية تعتمد على تصنيف بسيط من ثلاث حالات، وهو ما يعد نقطة انطلاق جيدة ولكنه لا يستوعب التعقيد الكامل للتفضيلات البشرية. وسيهدف العمل المستقبلي إلى جعل النظام أكثر قوة من خلال دمج التغذية الراجعة من البشر أثناء المهمة وتوسيع نطاق الأشياء التي يمكنه التعامل معها.

في نهاية المطاف، يوضح هذا البحث مسارًا للمستقبل للروبوتات التي تحتاج للعمل جنبًا إلى جنب مع البشر في بيئات فوضوية وغير متوقعة. من خلال تعليم الآلات تقدير المنظور البشري — ليس فقط السلامة الفيزيائية للجسم، بل أيضًا مظهره وسلامته — اتخذ الباحثون خطوة كبيرة نحو روبوتات يمكنها حقًا فهم تفاصيل الحياة اليومية. لا يحتاج الروبوت إلى أن يُقال له بالضبط مدى قوة الضغط على عنصر معين؛ بل يحتاج فقط لتعلم كيف يبدو "الضغط الزائد"، ومن ثم يمكنه تطبيق هذا الدرس على أي شيء يواجهه. إن القدرة على نقل المعايير البشرية الذاتية إلى تحكم آلي موضوعي تشير إلى مستقبل يمكن فيه للروبوتات التعامل مع ممتلكاتنا الأكثر هشاشة بنفس العناية التي نوليها لها.