باحثو MIT ي結ون بين بيانات حركة الروبوت ونماذج اللغة لتحسين تنفيذ المهام

يتم تدريب روبوتات المنازل بشكل متزايد على أداء مهام معقدة من خلال تعلم التقليد، وهو عملية يتم فيها برمجة الروبوتات لتقليدة الحركات التي يظهرها الإنسان. في حين أثبتت الروبوتات أنها تقليد ممتاز، غالبًا ما تعاني من الصعوبة في التكيف مع الانقطاعات أو الحالات غير المتوقعة التي تطرأ أثناء تنفيذ المهمة. بدون برمجة صريحة لمعالجة هذه الانحرافات، يُجبر الروبوت على بدء المهمة من البداية. لمواجهة هذا التحدي، يعمل مهندسو MIT على تطوير نهج جديد يهدف إلى منح الروبوتات شعورًا بالحس السليم عند مواجهة حالات غير متوقعة، مما يتيح لهم التكيف ومواصلة مهامهم دون الحاجة إلى تدخل يدوي.

النهج الجديد

طور باحثو MIT طريقة تجمع بين بيانات حركة الروبوت و “معرفة الحس السليم” ل نماذج اللغة الكبيرة (LLMs). من خلال ربط هذه العناصر، يتيح النهج للروبوتات تحليل منطقي للمهام المنزلية إلى مهام فرعية والتكيف مع الانقطاعات داخل كل مهمة فرعية. هذا يسمح للروبوت بالاستمرار دون الحاجة إلى إعادة بدء المهمة كلها من البداية، ويقضي على الحاجة إلى برمجة مهندسي الحلول لجميع السيناريوهات المحتملة للفشل على طول الطريق.
كما يشرح الطالب الدراسي يانوي وانغ من قسم الهندسة الكهربائية وعلوم الحاسوب في MIT، “باستخدام طريقةنا، يمكن للروبوت تصحيح أخطاء التنفيذ وتحسين نجاح المهمة بشكل عام.”

لإظهار نهجهم الجديد، استخدم الباحثون مهمة بسيطة: رفع الحبات من وعاء وصبها في وعاء آخر. تقليديًا، سيحرك مهندسوا الروبوتات الروبوت خلال حركات الرفع والصب في مسار سلس واحد، غالبًا ما يقدمون عدة عروض إنسانية للروبوت لتقليدها. ومع ذلك، كما يشير وانغ، “العرض الإنساني هو مسار مستمر طويل”. أدرك الفريق أن虽然 قد يظهر الإنسان مهمة واحدة في المرة الواحدة، تعتمد المهمة على تسلسل من المهام الفرعية. على سبيل المثال، يجب على الروبوت أن يصل إلى الوعاء قبل أن يتمكن من الرفع، ويجب أن يرفع الحبات قبل الانتقال إلى الوعاء الفارغ.

إذا ارتكب الروبوت خطأً خلال أي من هذه المهام الفرعية، فإن خياره الوحيد هو التوقف وبدء المهمة من البداية، ما لم يبرمج مهندسوا الروبوتات بشكل صريح كل مهمة فرعية وبرمجة أو جمع عروض جديدة للروبوت لاستعادة الفشل. يشدد وانغ على أن “مستوى التخطيط هذا متعب جدًا”. यह هو المكان الذي يأتي فيه نهج الباحثين الجديد. من خلال استغلال قوة LLMs، يمكن للروبوت تحديد المهام الفرعية المشاركة في المهمة العامة وتحديد إجراءات الاستعادة المحتملة في حالة الانقطاعات. هذا يقضي على الحاجة لمهندسي الروبوتات لبرمجة الروبوت بشكل يدوي لمعالجة كل سيناريو فشل محتمل، مما يجعل الروبوت أكثر مرونة وفعالية في تنفيذ المهام المنزلية.

دور نماذج اللغة الكبيرة

تلعب LLMs دورًا حاسمًا في نهج باحثي MIT الجديد. هذه النماذج العميقة للتعلم تعالج مكتبات نصية ضخمة، مما يؤدي إلى إنشاء روابط بين الكلمات والجمل والفقرات. من خلال هذه الروابط، يمكن ل LLMs توليد جمل جديدة بناءً على الأنماط المكتسبة، مما يعني أساسًا فهم النوع من الكلمة أو الجملة التي من المحتمل أن تتبع الأخيرة.

أدرك الباحثون أن هذه القدرة على LLMs يمكن استغلالها لتحديد المهام الفرعية داخل المهمة الأكبر وإجراءات الاستعادة المحتملة في حالة الانقطاعات. من خلال الجمع بين “معرفة الحس السليم” ل LLMs وبيانات حركة الروبوت، يتيح النهج الجديد للروبوتات تحليل منطقي للمهمة إلى مهام فرعية والتكيف مع الحالات غير المتوقعة. هذا التكامل ل LLMs والروبوتات له القدرة على ثورة طريقة برمجة وتدريب روبوتات المنزل، مما يجعلها أكثر مرونة وقدرة على التعامل مع التحديات في العالم الحقيقي.

随着 تقدم مجال الروبوتات، ستصبح دمج تقنيات الذكاء الاصطناعي مثل LLMs أكثر أهمية. نهج باحثي MIT هو خطوة كبيرة نحو إنشاء روبوتات منزلية لا تقلد فقط الإجراءات البشرية ولكن تفهم أيضًا المنطق والهيكل الكامن وراء المهام التي تقوم بها. هذا الفهم سيكون حاسمًا لتطوير روبوتات يمكنها العمل بشكل مستقل وفعال في بيئات العالم الحقيقي المعقدة.

نحو مستقبل أكثر ذكاءً ومرونة لروبوتات المنزل

من خلال تمكين الروبوتات من تصحيح أخطاء التنفيذ وتحسين نجاح المهمة بشكل عام، يعالج هذا الأسلوب واحدًا من التحديات الرئيسية في برمجة الروبوتات: التكيف مع الحالات في العالم الحقيقي.

تتجاوز الآثار البحثية هذا المهمة البسيطة لرفع الحبات. مع انتشار روبوتات المنزل، سيتعين عليها القدرة على التعامل مع مجموعة واسعة من المهام في بيئات ديناميكية غير منظمة. سيكون القدرة على تحليل المهام إلى مهام فرعية وفهم المنطق الكامن وراءها والتكيف مع الانقطاعات ضروريًا لهذه الروبوتات للعمل بشكل فعال وفعال.

علاوة على ذلك، يظهر التكامل بين LLMs والروبوتات إمكانات تقنيات الذكاء الاصطناعي لثورة طريقة برمجة وتدريب الروبوتات. مع استمرار تقدم هذه التقنيات، يمكننا期待 رؤية روبوتات أكثر ذكاءً ومرونة وذاتية في منازلنا وأماكن عملنا.

يعمل باحثو MIT على خطوة حاسمة نحو إنشاء روبوتات منزلية يمكنها حقًا فهم وتحليل تعقيدات العالم الحقيقي. مع تطور هذا النهج وتطبيقه على مجموعة أوسع من المهام، لديه إمكانية تحويل الطريقة التي نعيش ونتعامل بها، مما يجعل حياتنا أسهل وأكثر كفاءة.