AR
بحث
صورة: Robohub

أسراب روبوتات مدرّبة في المحاكاة تواصل العمل على الروبوتات الحقيقية، وفق دراسة

يعرض مختبر IRIDIA، وهو مختبر الذكاء الاصطناعي في جامعة بروكسل الحرة، أسلوباً لنقل السلوكيات التي تتعلمها أسراب الروبوتات في البرامج إلى آلات مادية. وقال الفريق إن الأسراب المدرّبة بهذا الأسلوب واصلت العمل بموثوقية على روبوتات حقيقية. وظهرت النتائج في مجلة Science Robotics.

يتيح التعلّم المعزز للآلات اكتشاف السلوكيات عبر محاولات متكررة، عادةً داخل محاكٍ. أما المشكلة فهي ما يسميه الباحثون «فجوة الواقع»: فالاحتكاك والمستشعرات الصاخبة والميكانيكا غير المثالية تختلف بين المحاكي والعالم المادي، ولذلك تفشل المهارات التي تُتعلَّم في البرمجيات غالباً عند تطبيقها على الأجهزة.

سلكت الروبوتات الجماعية مساراً مختلفاً. فأساليب التصميم المعيارية تبني السلوكيات من كتل محددة مسبقاً، وقال الباحثون إنها تنتقل بموثوقية إلى الآلات الحقيقية، لكنها تعتمد على إجراءات بحث بطيئة ومكلفة. ونادراً ما قورن النهجان بدقة.

بدلاً من ترك الخوارزمية تحدد سرعة دوران كل عجلة، جعل الباحثون الخوارزمية تختار خطوة بعد أخرى من بين عدد قليل من السلوكيات المثبتة، ومنها التوجه نحو مصدر ضوء، والانضمام إلى الأقران، والاستكشاف. وقال الباحثون إن تقييد الروبوتات بهذه الطريقة يمنعها من تعلّم اختصارات لا وجود لها إلا في المحاكي.

«لسنوات ونحن نقول إن فجوة الواقع هي في جوهرها مشكلة إفراط في التخصيص: فمنهج التصميم المرن أكثر من اللازم يتعلم المحاكي بدلاً من المهمة،»

ماورو بيراتاري، الذي قاد البحث

عبر خمس مهام جماعية، أجرى الباحثون 250 تجربة على روبوتات مادية، باستخدام سرب من 20 روبوتاً من طراز e-puck. وقال الفريق إن الأسراب المدرّبة بهذه الطريقة انتقلت بموثوقية، وتفوّقت بشكل ملحوظ على أسلوب رائد تتحكم فيه الخوارزمية بالمحركات مباشرة. أما النهج المنافس فقد واجه صعوبات بعد خروجه من المحاكي.

كما توصلت الدراسة إلى أن سياسات التحكم المقيّدة والأبسط انتقلت إلى الروبوتات الحقيقية بشكل أفضل من السياسات الأكبر والأكثر مرونة. وتعاكس النتيجة افتراضاً شائعاً في الذكاء الاصطناعي، مفاده أن النماذج الأكبر والأكثر مرونة تحقق عادةً أداءً أفضل.

«ما يثير حماسي أن هذا يجعل التعلّم المعزز أداةً عملية للروبوتات الجماعية،»

إلياس غربي، المؤلف الأول للدراسة

وقال غربي إن الخطوة التالية هي اختبار أسراب أكبر على منصات روبوتية أخرى وفي بيئات أقل تحكماً. ويقدّم المؤلفون العمل بوصفه جمعاً بين تقليدين بحثيين تطورا بشكل منفصل إلى حد كبير، ويقولون إن كليهما ضروري قبل أن تتمكن فرق من الروبوتات المستقلة من تنفيذ مهام البحث والإنقاذ أو مراقبة البيئة.

المصدر