NeatNet — نظام يساعد الروبوتات على تعلم تفضيلات البشر في التنظيف والترتيب
مع تزايد تطور الروبوتات وانخفاض أسعارها، قد يبدأ عدد أكبر من الناس في إدخالها إلى منازلهم. ولهذا يحاول كثير من علماء الروبوتات تطوير أنظمة قادرة على مساعدة الناس بفعالية في الأعمال المنزلية، مثل الطبخ والتنظيف.
طوّر باحثون من مختبر تعلم الروبوتات في إمبريال كوليدج لندن نظام NeatNet، وهو أداة مبتكرة للتعلم الآلي تتيح للروبوتات ترتيب البيئة المنزلية وفق التفضيلات الفردية للمستخدم. ويرد هذا النموذج، الذي قُدّم في ورقة بحثية على arXiv، على بنية جديدة من المشفّر التلقائي المتغير مع طبقات الشبكات العصبية البيانية.
«يؤثر الذوق الجمالي والعادات وحتى الخلفية الثقافية في طريقة تأثيث كل شخص لمنزله بشكل فريد وشخصي. لقد طورنا طريقة لتعلم تفضيلات الناس في تنظيم منازلهم، ليتمكن الروبوت بعد ذلك من تنظيف منزل كل شخص وفق تفضيلاته»
NeatNet، وهي منهجية طورها الدكتور جونز وتلميذه إيفان كابيليوخ، تتيح للروبوتات التعرف على تفضيلات المستخدم الخاصة في التنظيف، ببساطة من خلال مراقبة طريقة ترتيبه للأثاث والأشياء في منزله. ثم يستطيع الروبوت استخدام هذه التفضيلات كدليل لترتيب منزل المستخدم، بما يعكس تفضيلاته.
قال جونز: «على سبيل المثال، لنفترض أنك تفضل أن تكون طاولتك مرتبة بشكل مدمج، بحيث يكون كل شيء في متناول اليد. قد ترغب في أن يتعلم الروبوت هذا التفضيل. وبعد أن يرتب الروبوت الطاولة، ستكون مرتبة بالطريقة المريحة لك».
يستلهم NeatNet فكرته من أنظمة التوصية، وهي أدوات تعلم آلي تستخدمها منصات البث (مثل Netflix وYouTube وSpotify) أو مواقع أخرى لاقتراح محتوى جديد على المستخدمين. تعمل أنظمة التوصية من خلال تعلم تفضيلات المستخدمين بناءً على المحتوى الذي شاهدوه أو استمعوا إليه أو وصلوا إليه في الماضي.
قال الباحثون: «إذا شاهد فيلماً جديداً عدد كبير من المستخدمين الذين لديهم تفضيلات مشابهة لتفضيلاتك، فقد تقترح Netflix الفيلم نفسه عليك. وهكذا تقدم هذه الأساليب توصيات شخصية».
استند الأداة الجديدة، المشابهة لأنظمة التوصية في تعلم تفضيلات الترتيب، إلى أطروحة كابيليوخ في إمبريال كوليدج لندن، والتي أشرف عليها الدكتور جونز. وقدّم كابيليوخ ورقة بحثية جديدة مع مشرفه العلمي في مؤتمر تعلم الروبوتات (CoRL)، الذي عُقد في لندن من 8 إلى 11 نوفمبر 2021.
«حتى الآن، عرضنا نتائجنا باستخدام محاكاة حاسوبية للروبوت وبيئته المحيطة، لكننا نخطط في عملنا المستقبلي لتطبيق ذلك على روبوت حقيقي في العالم الواقعي»، قال جونز.
في جوهره، يعالج NeatNet المشاهد التي رتبها المستخدمون ونظفوها. ومن هذه المشاهد يتعلم تفضيلات المستخدم في الترتيب، والتي تُمثَّل في شكل تسلسل من الأرقام. وأخيراً، يستخدم هذه التسلسلات الرقمية لترتيب أي مجموعة من الأشياء بشكل فردي.
«بما أن الروبوت لا يعرف مسبقاً عدد الأشياء التي سيصادفها، يستخدم NeatNet شبكة عصبية بيانية للمعالجة. وهذا يعني أنه بدلاً من التدريب مباشرة على صور الفراغ، يُمثّله كرسم بياني، حيث يكون كل شيء عقدةً (أو نقطة)، وتكون جميع العقد متصلة ببعضها»
باستخدام الشبكة العصبية البيانية، يستطيع NeatNet أيضاً تعلم العلاقات بين الأشياء المختلفة. فعلى سبيل المثال، يمكنه أن يتعلم أن لوحة المفاتيح والفأرة توضعان عادةً بجانب بعضهما، أو أن أدوات المائدة توضع بجانب الأطباق.
إضافة إلى تعلم العلاقات العامة بين الأشياء، يتعلم NeatNet تفضيلات المستخدمين الفردية. فعلى سبيل المثال، يمكن للنظام أن يتعلم على أي جانب من الطبق يضع المستخدمون عادةً أدوات المائدة، لأن الأشخاص الذين يستخدمون اليد اليسرى واليمنى قد تكون لديهم تفضيلات مختلفة.
قيّم الدكتور جونز وكابيليوخ تقنيتهما في سلسلة من التجارب، باستخدام أمثلة لترتيب الغرف أُنشئت بمحاكي تنظيف، والذي عرض تفضيلات 75 مستخدماً مختلفاً. وفي هذه الاختبارات، نفذ NeatNet التنظيف بشكل مرتب ومخصص للغرف باستمرار.
«وجدنا أن ترتيب الغرف بطريقة فردية كان أكثر إرضاءً للمستخدمين من مجرد ترتيبها بطريقة واحدة للجميع. وكان هذا صحيحاً حتى بالنسبة للمساحات البسيطة، وفي المنازل الحقيقية التي تضم مئات الأشياء، هناك عدد أكبر بكثير من الطرق لترتيب كل غرفة»
مع انتشار الروبوتات، قد تكون قدرتها على أداء المهام بطرق تتوافق مع تفضيلات المستخدمين الفردية ذات قيمة كبيرة. ولهذا قد يكون NeatNet مفيداً بشكل خاص في تحسين أداء المساعدين المنزليين والروبوتات.
«اكتشاف آخر مثير للاهتمام هو أنه، رغم أن الشبكة العصبية تمثل تفضيلات المستخدم في شكل تسلسل من الأرقام، فقد تمكنا مع ذلك من العثور على بعض الأنماط المهمة. فعلى سبيل المثال، قرر NeatNet تجميع مستخدمي اليد اليسرى واليد اليمنى بشكل منفصل، استناداً إلى طريقة ترتيبهم لطاولة الطعام. وهذا يلقي بعض الضوء على طريقة عمل النموذج من الداخل، وهو أمر يصعب غالباً تحديده عند استخدام الشبكات العصبية»
حتى الآن، اختُبر NeatNet في المحاكاة فقط، لكنه أعطى نتائج واعدة. ويُجري العلماء حالياً مزيداً من البحث يهدف إلى تطبيق طريقتهم وتقييمها على روبوتات حقيقية.
قال الباحثون: «سنستخدم كاميرات الروبوت («عيون الروبوت») لتحديد مكان الأشياء في الغرفة. كما سننظر في كيفية ضمان أن تكون الترتيبات المقترحة آمنة دائماً وفقاً لقوانين الفيزياء. فعلى سبيل المثال، يجب ألا يسقط الطبق عن حافة الطاولة. كما سندرس الأساليب التي تأخذ في الاعتبار مقدار الوقت الذي سيحتاجه الروبوت لإنهاء هذا التنظيف. فبدلاً من تنظيف المنزل بأكمله، على سبيل المثال، قد نرغب في أن ينظف الروبوت بعض الأشياء فقط التي تكون في غير مكانها بشكل واضح».
