Geo-Reflex: Geometry-Gated Spiking Visuomotor Policy Learning for High-Frequency Robot Manipulation

تواجه الروبوتات التي تتحرك بسرعة ودقة تشبه البشر مشكلة جوهرية: عيونها وعضلاتها لا تتحدثان اللغة نفسها. فالكاميرات التي تمنح الروبوت القدرة على الرؤية عادة ما تُحدّث رؤيتها للعالم عشر إلى ثلاثين مرة في الثانية فقط، بينما تحتاج المحركات التي تتحكم في مفاصله إلى تعديل وضعيتها مئات المرات في الثانية للحفاظ على الاستقرار والأمان. لسنوات طويلة، حاول المهندسون حل هذه المشكلة عبر إجبار بيانات الكاميرا البطيئة وبيانات العضلات السريعة على التوافق تماماً في الوقت، مما يعني عملياً جعل الروبوت ينتظر الكاميرا حتى تلحق به قبل أن يتمكن من الحركة. هذا النهج يتخلص من المعلومات السريعة واللحظية التي تخبر الروبوت بدقة متى أوشك على لمس شيء ما، مما يؤدي غالباً إلى حركات خرقاء أو متأخرة.

اقترح فريق من الباحثين في جامعة مدينة دونغ غوان طريقة مختلفة للتعامل مع هذا عدم التطابق، حيث يعاملون رؤية الروبوت وحركته كمسارين منفصلين ولكن متصلين، بدلاً من كونهما كتلة واحدة متزامنة من البيانات. لقد طوروا نظام تحكم جديداً يسمى "Geo-Reflex"، يستخدم نوعاً من الحوسبة المستوحاة من الدماغ للسماح لمفاصل الروبوت سريعة الحركة بالاستجابة فوراً، بينما يستخدم صور الكاميرا الأبطأ فقط لتحديد أين يجب أن يوجه انتباهه. فبدلاً من تغذية الروبوت بصورة كاملة للعالم في كل مرة يتحرك فيها، يبحث النظام في شكل وحواف الأجسام في عرض الكاميرا لتحديد مستوى الحساسية. عندما يتحرك ذراع الروبوت بالقرب من حافة حادة أو زاوية، يصبح النظام شديد الحساسية للتغيرات الطفيفة في وضعية الذراع. وعندما يتحرك الذراع فوق مساحة مسطحة وفارغة، يتجاهل النظام الضجيج البصري ويركز فقط على الحركة السلسة. وهذا يسمح للروبوت بالتحرك بسرعة عالية دون انتظار إطار كاميرا جديد، مع الاستمرار في استخدام المعلومات البصرية لتوجيه يده بدقة إلى حيث يجب أن تذهب.

اختبر الباحثون هذه الفكرة على مجموعة بيانات لحركات روبوت حقيقية تم تسجيلها من ذراع روبوتية مجهزة بكاميرا استشعار للعمق. وقارنوا نظامهم الجديد بعدة أساليب موجودة، بما في ذلك نماذج الذكاء الاصطناعي القياسية التي تنتظر البيانات المتزامنة وشبكات أخرى مستوحاة من الدماغ لا تستخدم هذا التوجيه البصري الخاص. وأظهرت النتائج أن النهج الجديد كان أكثر دقة بشكل ملحوظ في التنبؤ بحركات الذراع الصحيحة. وفي اختباراتهم، ارتكب النظام أخطاء أقل من أفضل الأساليب السابقة بهامش صغير ولكن ثابت، وكان أكثر دقة بك مستثير من الشبكات المستوحاة من الدماغ القياسية التي تحاول معالجة جميع البيانات دفعة واحدة. ولعل الأهم من ذلك، أن النظام الجديد كان أكثر كفاءة بكثير؛ فقد أطلق إشاراته الداخلية فقط عند الضرورة، وتحديداً عندما يكون ذراع الروبوت بالقرب من الحواف الهندسية للأجسام، بدلاً من الإطلاق المستمر. وقد قلل هذا النشاط الانتقائي من عدد الإشارات التي يتعين على الكمبيوتر معالجتها بنسبة تقارب خمسة وثلاثين بالمائة مقارنة بالأسالب القديمة، مما يشير إلى أن الروبوت يمكنه العمل بشكل أسرع واستهلاك طاقة أقل.

لفهم سبب نجاح ذلك، من المفيد النظر في كيفية معالجة النظام للمعلومات. تأخذ الكاميرا صورة وتقوم فوراً بتفكيكها للعثور على الخطوط العريضة للأجسام، متجاهلة الألوان والأنسجة التي قد تكون مشتتة للانتباه. تُستخدم هذه الخطوط العريسة بعد ذلك لضبط "العتبة" للخلايا العصبية لاتخاذ القرار الداخلي للروبوت. فكر في هذه العتبة كبوابة تتحكم في مدى سهولة إرسال الخلية العصبية لإشارة ما. في المناطق التي ترى فيها الكاميرا حافة واضحة، يتم خفض هذه البوابة، مما يجعل الخلية العصبية حساسة جداً للحركات الصغيرة لذراع الروبوت. وفي المناطق التي ترى فيها الكاميرا خلفية مسطحة وخالية من المعالم، يتم رفع البوابة، مما يخبر الخلية العصبية بتجاهل التقلبات الطفيفة. وهذا يعني أن مفاصل الروبوت سريعة الحركة يمكنها الاستمرار في تحديث وضعيتها مئات المرات في الثانية، ولكن النظام البصري يتدخل فقط لضبط الحركة بدقة عندما تتطلب هندسة المشهد ذلك. كما يتضمن النظام مساراً مباشراً للأجزاء السلسة والمتوقعة من الحركة، مما يضمن عدم مبالغة الروبوت في رد الفعل تجاه الضجيج البصري.

كما اختبرت الدراسة مدى صمود النظام عندما تكون المدخلات البصرية غير منظمة أو مشوشة، محاكية ظروف الإضاءة السيئة أو تشوه الكاميرا. وتحت هذه الظروف الصعبة، حافظ النظام الجديد على دقته بشكل أفضل بكثير من الأنظمة الأخرى، حيث تراجع بمقدار نصف التراجع الذي شهدته الشبكات القياسية المستوحاة من الدماغ. ويشير هذا إلى أنه من خلال التركيز فقط على البنية الهندسية للعالم بدلاً من بيانات البكسل الخام، يصبح الروبوت أكثر قوة في مواجهة أنواع الأخطاء البصرية التي غالباً ما تربك الأنظمة الأخرى. علاوة على ذلك، عندما قام الباحثون بمحاكاة سيناريو تعين فيه على الروبوت التنبؤ بتسلسل من الحركات المستقبلية بناءً على حالته الحالية، تراكمت الأخطاء في النظام الجديد ببطء أكبر بكثير من المنافسين. وهذا يشير إلى أن الطريقة تساعد الروبوت على الحفاظ على فهم مستقر لأفعاله بمرور الوقت، وهو أمر بالغ الأهمية للمهام التي تتطلب سلاسل طويلة من الحركات الدقيقة.

يقر الباحثون بأن عملهم تم اختباره باستخدام بيانات مسجلة من روبوت بدلاً من روبوت حي يؤدي مهام في العالم الحقيقي، لذا فإن النتائج تظهر مدى جودة تنبؤ النظام بالأفعال بدلاً من إثبات قدرته على الإمساك بالأشياء في بيئة فيزيائية. ومع ذلك، فإن اتساق النتائج عبر اختبارات متعددة والتحسن الواضح في الكفاءة يشيران إلى أن هذه الطريقة في الجمع بين الرؤية والحركة هي اتجاه واعد للمستقبل. فمن خلال ترك الساعة الداخلية السريعة للروبوت تعمل بشكل مستقل مع استخدام الكاميرا الأبطأ فقط لتحديد قواعد الاشتباك، يقدم نظام "Geo-Reflex" حلاً عملياً لعدم تطابق التوقيت الذي حد من سرعة ورشاقة الروبوتات لفترة طويلة. وتشير النتائج إلى أنه لكي تتحرك الروبوتات بسلاسة مثل البشر، فقد يحتاجون إلى التوقف عن محاولة الرؤية والتحرك بنفس السرعة تماماً، وبدلاً من ذلك، تعلم كيفية جعل أعينهم توجه أيديهم فقط عندما تتطلب هندسة العالم ذلك.