Spiking Residual Control with Decoupled Event Allocation and Lyapunov-Constrained Execution
تقدم الورقة البحثية LyCo-SNN، وهو إطار تحكم يدمج شبكة عصبية نبضية مع متحكم (Observer-LQR) قائم على النموذج عبر استخدام تخصيص أحداث مفكك وتنفيذ مقيد بليابونوف لتعزيز التغذية الراجعة المهيكلة بفعالية لكل من مهام التلاعب الروبوتي ومهام الطيران تحت تأثير الديناميكيات غير المنمذجة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
تواجه الروبوتات التي تتحرك بدقة صراعاً مستمراً ضد الواقع الفوضوي للعالم المادي. فحتى الآلات المصممة بعناية فائقة تعاني عندما تضغط عليها قوى غير متوقعة، أو عندما تتآكل الأجزاء، أو عندما لا تتطابق الرياضيات المستخدمة للتنبؤ بحركتها تماماً مع الواقع. وللحفاظ على ثبات ذراع روبوتية أو بقاء طائرة بدون طيار (درون) في حالة تحليق مستقر، يعتمد المهندسون تقليدياً على تغذية راجعة مهيكلة: مجموعة صارمة من القواعد التي تتحقق باستمرار من موقع الروبوت وتصحح مساره. يعمل هذا بشكل جيد في المواقف المتوقعة، ولكنه غالباً ما يتعثر عندما يلقي المحيط بظروف غير متوقعة. وفي السنوات الأخيرة، توجه العلماء إلى نوع مختلف من الذكاء المستوحى من الدماغ البشري، المعروف باسم الشبكات العصبية النبضية (Spiking Neural Networks). وخلافاً لبرامج الكمبيوتر القياسية التي تعالج المعلومات بشكل مستمر، فإن هذه الشبكات تعمل فقط عند الضرورة، حيث ترسل نبضات قصيرة من النشاط مثل الخلايا العصبية في الدماغ. وهذا يجعلها فعالة وسريلة الاستجابة، لكن استخدامها لإصلاح حركة الروبوت دون كسر نظام التحكم الحالي كان لغزاً صعباً. ويكمكم التحدي في السما_ح لهذا الذكاء الجديد والمرن بتقديم التصحيحات دون تجاوز القواعد الموثوقة والمثبتة التي تحافظ على سلامة الآلة.
قام باحث في جامعة العلوم والتكنولوجيا ببكين بتطوير حل لهذه المشكلة، حيث ابتكر نظاماً يسمح للشبكة العصبية النبضية بأن تعمل كمساعد مفيد بدلاً من أن تكون بديلاً للمتحكم الأساسي للروبوت. وقد أطلقوا على ابتكارهم اسم LyCo-SNN. فبدلاً من ترك الشبكة العصبية تتولى أوامر الروبوت بالكامل، يحافظ النظام على المتحكم التقليدي المهيكل في موقع القيادة. وتتمثل مهمة الشبكة العصبية في مراقبة مستشعرات الروبوت، واكتشاف متى يسوء خطأ ما — مثل هبة ريح غير متوقعة أو فقدان المحرك للطاقة — واقتراح تصحيح صغير ومحدد. وقد صمم الباحث مرشح سلامة يتحقق من كل اقتراح تقدمه الشبكة العصبية. يضمن هذا المرشح أن أي تغيير مقترح سيساعد الروبوت بالفعل على البقاء في مساره ولن يدفعه أبداً إلى حالة خطرة. وإذا بدا الاقتراح محفوفاً بالمخاطر، يقوم المرشح بتقليص حجمه أو تجاهله، مما يسمح للروبوت بالاعتماد على قواعده القياسية بدلاً من ذلك. هذا النهج يفصل بين توليد الأفكار وتنفيذ الأفعال، مما يضمن بقاء الروبوت مستقراً حتى أثناء تعلم الشبكة العصبية أو تفاعلها مع المشكلات الجديدة.
لاختبار هذه الفكرة، أخضع الباحث نظامه لسلسلة من عمليات المحاكاة الصارمة التي شملت نوعين مختلفين تماماً من الروبوتات: ذراع روبوتية ذات سبعة مفاصل وطائرة بدون طيار رباعية المراوح. وقد طلب من النظام اتباع مسارات معقدة ومستمرة مع إدخال تحديات متنوعة. في أحد السيناريوهات، كان على الذراع الروبوتية تتبع منحنى سلس بينما كانت قوة غير مرئية وثقيلة تضغط عليها. وفي سيناريو آخر، كان على الطائرة بدون طيار الطيران في حلقة محددة بينما فقد أحد مراوحها الأربعة ثلاثين بالمائة من قوته فجأة. وقارن الباحث نظامه الجديد بعدة طرق أخرى، بما في ذلك المتحكم القياسي وحده وأنواع أخرى من الشبكات العصبية. وأظهرت النتائج أن نظام LyCo-SNN تفوق بشكل كبير على الطرق الأخرى في الحفاظ على مسارات الروبوتات المقصودة. فعندما واجهت الذراع الروبوتية ضغطاً خارجياً ثقيلاً، حافظ النظام الجديد على خطأ في الموقع بمتوسط 24.603 ملم، وهو تحسن ملحوظ عن المتحكم القياسي الذي انحرف بعيداً عن المسار بكثير. وبالمثل، عندما عانت الطائرة بدون طيار من فشل في المحرك، حافظ النظام الجديد على خطأ في الموقع قدره 0.1093 متراً فقط، وهو أفضل بكثير من الطرق الأخرى التي تم اختبارها.
وما يجعل هذه النتائج مثيرة للاهتمام بشكل خاص هو كيفية تحقيق النظام لهذه النتائج دون إهدار الطاقة أو التحول إلى الفوضى. فقد وجد الباحث أن الشبكة العصبية لم تكن بحاجة إلى العمل باستمرار لتكون فعالة. ففي اختبارات الطائرة بدون طيار، لم تعمل الشبكة إلا بنسبة 7.48 بالمائة تقريباً أثناء الطيران العادي، وحتى عندما فشل أحد المحركات، زاد نشاطها إلى 9.47 بالمائة فقط. يشير هذا المستوى المنخفض من النشاط إلى أن النظام فعال للغاية، حيث يتحدث فقط عندما يكون لديه شيء مفيد لقوله. علاوة على ذلك، لعب مرشح السلامة دوراً حاسماً. ففي اختبارات الذراع الروبوتية، اضطر المرشح في كثير من الأحيان إلى تقليل حجم اقتراحات الشبكة العصبية بشكل كبير، حيث قلصها إلى حوالي 20 بالمائة من قوتها الأصلية قبل تطبيقها. وهذا يشير إلى أنه بينما كانت الشبكة العصبية نشطة وتولد العديد من الأفكار، اختار المرشح بعنا_ية الأجزاء الأكثر ملاءمة فقط من تلك الأفكار لضمان حركة الروبوت بسلاسة. وفي اختبارات الطائرة بدون طيار، سمح المرشح بمرور جميع الاقتراقات تقريباً، حيث قام بتوسيعها بنسبة تقارب 100 بالمائة، لأن ظروف الطيران كانت أكثر تسامحاً.
كما كشفت الدراسة أن النظام يعمل بشكل أفضل عندما يركز على أنواع محددة من الأخطاء. فمن خلال إزالة الشبكة العصبية من النظام في سلسلة من الاختبارات، رأى الباحث أن أكبر التحسينات جاءت في قدرة الروبوت على البقاء في مساره المقصود في الفضاء، بدلاً من مدى دقة الحفاظ على اتجاهه. فعلى سبيل المثال، عندما فقدت الطائرة بدون طيار طاقتها، حافظ النظام المزود بالشبكة العصبية على موقع الطائرة قريباً جداً من الهدف مقارنة بالنظام الذي لا يحتوي عليها، رغم أن زاوية ميل الطائرة كانت أقل مثالية قليلاً مقارنة ببعض الطرق الأخرى. تشير هذه المقايضة إلى أن النظام بارع بشكل خاص في تصحيح الحركة الفيزيائية للروبوت ضد القوى الخارجية، بدلاً من الضبط الدقيق لكل زاوية داخلية. كما أكد الباحث أن آليات السلامة في النظام عملت كما هو مخطط لها؛ ففي كل محاكاة، نجح المرشح في منع أي أمر قد ينتهك ضمانات الاستقرار الرياضية.
في النهاية، يوضح هذا العمل أنه من الممكن الجمع بين قدرة الحوسبة الشبيهة بالدماغ وبين موثوقية الهندسة التقليدية. لقد أظهر الباحث أنه يمكن للشبكة العصبية النبضية أن تتعلم كيفية إصلاح أخطاء الروبوت دون سحب السيطرة أبداً من أنظمة السلامة التي تمنعه من الاصطدام. ومن خلال الفصل بين فعل توليد التصحيح وفعل تنفيذ العمل، أنشأوا إطاراً يمكن للروبوت من خلاله أن يظل قوياً في مواجهة الاضطرابات غير المتوقعة، من الأحمال الثقيلة على ذراع إلى فشل المحركات في طائرة بدون طيار. تعتمد النتائج على عمليات المحاكاة، مما يعني أنها تمثل بيئة محكومة للغاية، ولكن اتساق النتائج عبر مختلف أنواع الروبوتات وأنواع الفشل المختلفة يشير إلى مسار واعد للمستقبل. لقد أثبت النظام أن الروبوت يمكن أن يكون آمناً بصرامة وذكياً بمرونة، مستخدماً نبضة صغيرة وفعالة من النشاط العصبي لتصحيح مساره كلما أصبح العالم فوضوياً للغاية بحيث لا يمكن التعامل معه بالقواعد وحدها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.