Interdependent Process Optimization Using Constrained Factor Graphs for a Multi-Robot Team

تخيل مجموعة من الروبوتات تعمل معاً في مساحة مشتركة، كل منها يحاول الوصول إلى وجهته الخاصة مع تجنب الاصطدامات والبقاء على وتيرة واحدة مع زملائها. في العالم الحقيقي، لا تمتلك هذه الآلات قائداً واحداً كلي العلم يملي عليها بالضبط أين تذهب في كل لحظة. بدلاً من ذلك، يجب عليها اتخاذ قراراتها الخاصة بناءً على ما تراه وما تسمعه من جيرانها. هذا هو تحدي الروبوتات التعاونية: كيف يمكن تنسيق فريق من الوكلاء المستقلين عندما يكون لكل روبوت مساره الخاص، وسرعته الخاصة، ومجموعته الخاصة من العوائق التي يتفاداها. لسنوات، كافح المهندسون لإنشاء نظام يمكن لهذه الروبوتات من خلاله التفاوض على تحركاتها بكفاءة دون الغرق في حسابات معقدة أو فقدان تتبع الهدف العام للمجموعة. تكمن الصعوبة في الموازنة بين الحرية الفردية والسلامة الجماعية، وضمان عدم اصطدام الروبوت بجدار أثناء محاولته البقاء قريباً من صديق، كل ذلك مع إجراء العمليات الحسابية بسرعة كافية للاستجابة في الوقت الفعلي.

لقد طور فريق من الباحثين طريقة جديدة لحل هذه المشكلة، عبر التعامل مع حركة كل روبوت ليس كخطة واحدة صلبة، بل كعملية مرنة تتعدل باستمرار بناءً على أفعال الآخرين. لقد بنوا إطاراً رياضياً يسمح لكل روبوت بحمل خريطته الداخلية الخاصة من الاحتمالات، بينما يشارك في الوقت نفسه معلومات محددة مع الروبوتات القريبة لضمان بقاء الجميع آمنين ومنسقين. هذا النهج، الذي تم اختباره في كل من عمليات المحاكاة الحاسوبية والروبوتات المادية في مختبر، يظهر أن مجموعة من الآلات يمكنها تعلم التحرك معاً بسلاسة، والحفاظ على تشكيل معين وتجنب الاصطدامات دون الحاجة إلى عقل مركزي يملي عليها كل انعطاف. يشير العمل إلى أنه من خلال تفكيك المشكلة إلى أجزاء أصغر ومترابطة، يمكن للروبوتات اتخاذ قرارات أفضل وأسرع، مما يفتح الباب أمام فرق مستقلة أكثر تعقيداً وموثوقية في المستقبل.

جوهر هذه الطريقة الجديدة هو طريقة تفكير في حركة الروبوت تركز على العلاقات بدلاً من مجرد المواقع المنعزلة. في الأنظمة التقليدية، قد يحسب الروبوت مساره بالكامل من البداية إلى النهاية قبل التحرك، أو قد يحاول كمبيوتر مركزي حل اللغز للفريق بأكمله في وقت واحد. كلتا الطريقتين يمكن أن تصبحا بطيئتين وغير متناسقتين مع زيادة عدد الروبوتات. اقترح الباحثون بدلاً من ذلك نظاماً حيث يحمل كل روبوت "رسمًا بيانيًا للعوامل المقيدة" (constrained factor graph). بعبارة بسيطة، هذا نموذج ذهني يربط موقع الروبوت الحالي، وسرعته، وأهدافه المستقبلية بمجموعة من القواعد. تشمل هذه القواعد أشياء مثل "لا تصطدم بالجدار"، "استمر في التحرك للأمام"، و"ابقَ على مسافة آمنة من الروبوت المجاور لك". ما يجعل هذا النظام الجديد مميزاً هو كيفية تعامله مع قاعدة "ابقَ على مسافة آمنة"؛ فبدلاً من معاملة مسار كل روبوت كمشكلة منفصلة، ينشئ النظام رابطاً مباشراً بين مسارات الروبوتات المتجاورة. يعمل هذا الرابط كقيد مشترك، مما يعني أنه إذا غير روبوت واحد سرعته أو اتجاهه، فإن الآخرين سيشعرون بهذا التغيير فوراً ويعدلون خططهم وفقاً لذلك.

لاختبار هذه الفكرة، أجرى الباحثون أولاً عمليات محاكاة حاسوبية مفصلة. أنشأوا عالماً افتراضياً حيث كان على ثلاثة روبوتات التحرك من نقطة البداية إلى هدف مع الحفاظ على تشكيل مثلثي. في أحد السيناريوهات، طُلب من الروبوتات الحفاظ على مسافة محددة فيما بينها، مثل زوايا المثلث. أظهرت المحاكاة أنه حتى عندما بدأت الروبوتات من أماكن متباعدة أو في وضعيات غير متناسقة، فقد تمكنت من تعديل مساراتها أثناء الحركة لتشكيل الشكل الصحيح. لم يتبعوا مجرد نص مكتوب مسبقاً؛ بل تفاوضوا بنشاط على مواقعهم. فإذا انحرف أحد الروبوتات كثيراً نحو اليسار، كان الآخرون يتحركون ببراعة لتعويض ذلك، مما يحافظ على سلامة المثلث. وفي محاكاة أخرى، اختبر الفريق مدى قدرة الروبوتات على مطابقة سرعتها. عندما وُضعت ثلاث مركبات على طريق افتراضي بسرعات أولية مختلفة، سمح النظام لها بالتواصل ومواءمة سرعاتها تدريجياً. وفي وقت قصير، تباطأت المركبة السريعة وتسارعت المركبة البطيئة حتى أصبحت جميعها تتحرك بانسجام، مما أثبت أن النظام يمكنه تحقيق توافق طبيعي دون وجود قائد يعطي الأوامر.

كما قام الباحثون أيضاً بمحاكاة تقاطع مزدحم حيث وصلت أربع مركبات ذاتية القيادة في نفس الوقت، وكل منها يتجه إلى زاوية مختلفة. في سيناريو قياسي بدون قواعد السلامة الجديدة الخاصة بهم، كانت الروبوتات ستحاول العبور في نفس الوقت، مما يؤدي إلى اصطدام. ومع ذلك، عندما تم تفعيل عوامل السلامة المتبادلة، نسقت الروبوتات تحركاتها بنجاح. فقد أبطأت السرعة، أو زادتها، أو غيرت مساراتها قليلاً لضمان عدم اقتراب أي مركبتين من بعضهما البعض. أثبتت المحاكاة أن النظام يمكنه التعامل مع المسارات المعقدة والمتداخلة وإيجاد حل حيث يمر الجميع بأمان دون توقف. المفتاح كان أن كل روبوت احتاج فقط لمعرفة الروبوتات الموجودة حوله مباشرة، ولم يكن بحاجة لمعرفة موقع كل روبوت في العالم، مما جعل الحسابات سريعة وفعالة.

لإثبات أن هذه الطريقة تعمل خارج جهاز الكمبيوتر، نقل الفريق الفكرة إلى مختبر حقيقي في جامعة دالهاوزي. استخدموا ثلاثة روبوتات صغيرة ذات عجلات، حجم كل منها يقارب حجم علبة بيتزا كبيرة، وأقاموا منطقة اختبار داخلية بها صناديق إسفنجية تعمل كعوائق. تمت برمجة الروبوتات لتشكيل مثلث والتحرك نحو هدف مع الحفاظ على مسافة متر واحد بين كل منها. وبينما كانت الروبوتات تتدحرج عبر الأرض، كانت تتواصل مع بعضها البعض عبر شبكة لاسلكية، وتشارك مساراتها المخطط لها وتعدل مساراتها في الوقت الفعلي. كانت النتائج مذهلة؛ فقد نجحت الروبوتات في التنقل حول عوائق الإسفنج وحافظت على تشكيلها المثلثي أثناء تحركها نحو وجهتها. ورغم وجود أخطاء صغيرة في مواقعها النهائية بسبب القيود المادية للعجلات والمستشعرات، إلا أن السلوك العام كان مطابقاً تماماً لما تنبأت به النظرية. لم تصطدم الروبوتات بالعوائق أو ببعضها البعض، وتمكنت من البقاء في التشكيل حتى عندما لم يكن المسار مستقيماً تماماً.

يسلط نجاح هذه التجارب الضوء على تحول كبير في كيفية تفكيرنا في فرق الروبوتات. فمن خلال استخدام إطار عمل يعامل التفاعلات بين الروبوتات كمجموعة مشتركة من القيود، أظهر الباحثون أن التنسيق المعقد يمكن أن ينبثق من تبادلات بسيطة ومحلية للمعلومات. لا تحتاج الروبوتات لأن تكون مثالية؛ بل تحتاج فقط لأن تكون قادرة على الاستماع إلى جيرانها وتعديل سلوكها قليلاً. هذا النهج قوي بشكل خاص لأنه يتوسع بشكل جيد؛ فمع إضافة المزيد من الروبوتات إلى الفريق، لا يصبح النظام مثقلاً، لأن كل روبوت يركز فقط على محيطه المباشر. وأشار الباحثون إلى أن هذه الطريقة مصممة أيضاً لتعمل بكفاءة على شرائح الكمبيوتر الحديثة، مما يعني إمكانية نشرها على روبوتات ذات قدرة حوسبية محدودة.

وبالنظر إلى المستقبل، يرى الفريق إمكانات لاستخدام هذه التكنولوجيا في مجموعة واسعة من التطبيقات، من روبوتات المستودعات التي تحتاج إلى نقل البضائع دون الاصطدام ببعضها البعض، إلى فرق البحث والإنقاذ التي تتنقل في مناطق الكوارث. إن القدرة على الحفاظ على تشكيل معين مع تجنب العوائق هي مهارة أساسية لأي مجموعة من الآلات ذاتية القيادة. كما اقترح الباحثون أنه يمكن توسيع هذا الإطار للتعامل مع مهام أكثر تعقيداً، مثل تتبع الأجسام المتحركة أو التنسيق مع أنواع أخرى من الأنظمة الذكية. ومع ذلك، ظلوا حذرين، مشيرين إلى أنه بينما كانت عمليات المحاكاة والاختبارات المختبرية ناجحة، فإن البيئات الحقيقية غالباً ما تكون أكثر فوضوية وغير متوقعة. ستكون الخطوة التالية هي اختبار هذه الأنظمة في بيئات أكثر ديناميكية، حيث تتحرك العوائق وتتغير الظروف بسرعة. وفي الوقت الحالي، يقف هذا العمل كدليل واضح على أن الروبوتات يمكنها تعلم العمل معاً ليس باتباع خطة رئيسية، بل من خلال فهم مكانتها في عالم مشترك ومترابط.