WetRobo: A Reproducible Robot Kit for Coding Agents in Biological Laboratories
تقدم الورقة البحثية WetRobo، وهو طقم روبوت قابل لإعادة الإنتاج يُمكّن وكيل البرمجة من التكيف والتنفيذ الذاتي للمهام البيولوجية المكتوبة بلغة طبيعية عبر مختبرات مختلفة من خلال كتابة وتنفيذ الكود، مما يتغلب على قيود النقل التي تواجهها سياسات الرؤية واللغة والعمل التقليدية.
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
في غمرة الطنين الهادئ لمختبر بيولوجي، يعتمد قدر كبير من العمل على الأيدي الثابتة والمتكررة للباحثين البشر. فهم يغذون الخلايا، وينقلون الأطباق الزجاجية الرقيقة، ويفتحون الأبواب الثقيلة للحاضنات، وهي مهام يجب أداؤها بدقة يوماً بعد يوم. لعقود من الزمن، أمَل العلماء في تسليم هذه الواجبات إلى الروبوتات، لتحرير الخبراء البشر للتركيز على الاكتشاف بدلاً من العمل اليدوي. وقد اعتمد النهج الأكثر واعداً في الآونة الأخيرة على أنظمة ذكاء اصطناعي مدربة على رؤية العالم والعمل داخله، تماماً مثل شخص يتعلم مهارة جديدة من خلال مشاهدة فيديو. هذه الأنظمة، التي تُسمى غالباً نماذج "الرؤية واللغة والفعل"، تُعلّم عبر عرض آلاف الأمثلة لذراع روبوت تتحرك حول زجاجة أو ترفع غطاءً. والأمل هو أنه بمجرد التدريب، يمكن للروبوت ببساطة أن ينظر إلى موقف جديد ويعرف ما يجب فعله. ومع ذلك، في الواقع الفوضوي للمختبر العامل، حيث تتغير الإضاءة، وتتنوع المعدات، وتوضع الأشياء بشكل مختلف قليلاً، غالباً ما تتعثر هذه الأنظمة المدربة. فالروبوت الذي يتقن مهمة في غرفة ما قد يفشل تماماً عند نقله إلى الغرفة المجاقة، لأن التغييرات الطفيفة تربك الأنماط التي تعلمها. وقد ترك هذا الضعف العديد من المختبرات في انتظار حل أكثر قدرة على التكيف.
قدم فريق من الباحثين الآن مساراً مختلفاً للمضي قدماً من خلال نظام أطلقوا عليه اسم "WetRobo". فبدلاً من محاولة تدريب روبوت على حفظ مجموعة محددة من الحركات، قاموا ببناء مجموعة أدوات تسمح لبرنامج حاسوبي بكتابة تعليماته الخاصة في اللحظة ذاتها. تتضمن المجموعة ذراعاً روبوتية قياسية، ومعدات مختبرية شائعة مثل الحاضنة وزجاجات الكواشف، ومجموعة من مقاطع الفيديو المسجلة التي توضح كيف يمكن للإنسان أداء مهمة ما. ومن الأهمية بمكان، أنها تتضمن أيضاً دليلاً إرشادياً مكتوباً بلغة بسيطة يخبر "وكيل البرمجة" بكيفية التعامل مع المهمة. وهذا الوكيل هو نوع من الذكاء الاصطناعي القادر على كتابة كود برمجي. عندما يعطي باحث أمراً بسيطاً بلغة طبيعية، مثل "ارفع غطاء الزجاجة"، ينظر الوكيل إلى البيئة المحلية، ويستشير الدليل الإرشادي، ثم يكتب برنامجاً مخصصاً لحل المشكلة. إنه لا يعتمد على "دماغ" مدرب مسبقاً قد يربكه تغيير في زاوية الكاميرا أو اختلاف في العلامة التجارية للقاب (المقبض). بدلاً من ذلك، هو يراقب المشهد، ويقيس المسافات، ويعدل الكود الخاص به حتى تكتمل المهمة.
اختبر الباحثون هذا النهج في مختبرين متميزين، أطلقوا عليهما "المختبر X" و"المختبر Y". لم تكن هاتان الغرفتان متطابقتين؛ فقد اختلفتا في الإضاءة، وعدد الكاميرات، وحتى في أنواع مقابض الروبوت. في إحدى التجارب، طُلب من الروبوت إزالة غطاء لولبي من زجاجة كواشف. نجح وكيل البرمجة، باستخدام مجموعة "WetRobo"، في معرفة كيفية الإمساك بالغطاء وتدويره في كلا المختبرين. فعل ذلك من خلال كتابة كود يستخدم الكاميرات لتحديد موقع الغطاء الأبيض، وقياس المسافة إليه، ثم تعديل حركاته بناءً على ما يراه. وفي "المختبر Y"، حيث استخدم الروبوت قاباً قياسياً، كتب الوكيل برنامجاً يتوقف إذا شعر الذراع بمقاومة شديدة. أما في "المختبر X"، حيث امتلك الروبوت قاباً مختلفاً مصنوعاً خصيصاً ولا يمكنه قياس القوة بنفس الطريقة، فقد كتب الوكيل برنامجاً مختلفاً يعتمد على الفحوصات البصرية والاصطدامات المحاكية لتجنب الأخطاء. وكانت النتيجة روبوتاً يمكنه تكييف تعليماته الخاصة لتناسب الغرفة التي يتواجد فيها.
ولمعرفة مدى فعالية هذه الطريقة، قارنها الباحثون بالنهج التقليدي المتمثل في تدريب نموذج قائم على الرؤية. لقد أخذوا نظاماً تم ضبطه بدقة بناءً على آلاف العروض التوضيحية بالفيديو من "المختبر X" وطلبوا منه أداء مهمة غطاء الزجاجة نفسها. في "المختبر X"، حيث تم تدريبه، عمل النظام بشكل مثالي. ولكن عندما نُقل النظام نفسه إلى "المختبر Y"، بإضاءته ومعداته المختلفة، فشل تماماً. لم يستطع نقل معرفته إلى الإعداد الجديد. في المقابل، نجح وكيل البرمجة في كلا المكانين. لم يكن بحاجة لإعادة التدريب أو عرض فيديوهات جديدة؛ بل اكتفى بمراقبة الغرفة الجديدة وكتب مجموعة جديدة من التعليمات التي نجحت في العمل. كما اختبر الباحثون النظام في مهام أخرى، مثل رفع غطاء طبق "بتري" وفتح الباب الثقيل للحاضنة. وفي كل حالة، رصد الوكيل الظروف المحلية، وكتب كوداً للتعامل مع الهندسة الخاصة للباب أو الطبق، ونفذ المهمة بنجاح.
كانت عملية التكيف مرئية في الكود الذي أنتجه الوكيل. فعندما كان الروبوت يعاني من محاذاة القاب مع غطاء الزجاجة، كان الوكيل يكتب برنامجاً صغيراً لاختبار الحركة، وفحص صورة الكاميرا، ثم تعديل أسلوب الاقتراب. وإذا انزلق الروبوت، كان الوكيل يعيد كتابة الكود ليشمل سحباً أبطأ وأكثر حذراً. وفي إحدى الحالات، أدرك الوكيل أن الظلال على باب الحاضنة كانت تضلل رؤيته، فكتب برنامجاً جديداً لقياس زاوية الباب باستخدام بيانات العمق بدلاً من الضوء. إن هذه القدرة على فحص أخطائه وإعادة كتابة منطقه سمحت للروبوت بالتغلب على التحديات التي كانت ستعجز نظاماً مدرباً مسبقاً. لاحظ الباحثون أن الوكيل غالباً ما أعاد استخدام أجزاء من الكود الذي كتبه لمهام سابقة، مثل منطق الإمساك بجسم رفيع، لحل مشكلات جديدة. وهذا يعني أنه بينما يعمل الروبوت في المختبر، فإنه يبني مكتبة من التعليمات المفيدة التي يمكن مشاركتها مع مختبرات أخرى، مما يجعل الإعدادات المستقبلية أسرع وأسهل.
يشير هذا العمل إلى مسار عملي لإدخال الروبوتات في الأبحاث البيولوجية. فبدلاً من مطالبة كل مختبر بجمع ساعات من بيانات الفيديو وتدريب شبكات عصبية مكلفة لكل روبوت جديد، يمكن للعلماء توزيع مجموعة أدوات وترك وكيل البرمجة يكيفها مع البيئة المحلية. لقد أثبت الباحثون أن هذه الطريقة تسمح للروبوت بالتعامل مع الاختلافات الواقعية في المعدات والإضاءة التي تكسر الأنظمة التقليدية. وبينما اقتصرت الدراسة على مهام محددة ونوع واحد من وكلاء البرمجة، فإن النتائج تشير إلى مستقبل يمكن فيه نشر الروبوتات في بيئات متنوعة دون الحاجة إلى إعادة تدريب مكثفة. والنتيوة الجوهرية هي أن منح الروبوت القدرة على كتابة تعليماته الخاصة بناءً على ما يراه هو وسيلة أكثر متانة للتعامل مع الطبيعة غير المتوقعة للمختبر العملي. ومن خلال نقل عبء التكيف من المدربين البشر إلى البرمجيات نفسها، يقدم "WetRobo" طريقة لجعل أتمتة المختبرات أكثر مرونة، وسهولة في الوصول، وجاهزية للواقع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.