الصورة 19.jpg
فيليكس يانوي وانج - طالب دكتوراه في الهندسة الكهربائية وعلوم الكمبيوتر (EECS)MIT. المصدر: أخبار معهد ماساتشوستس للتكنولوجيا

تخيل أن هناك روبوت يساعدك في غسل الأطباق. تطلب منه إحضار وعاء من الصابون من الحوض، لكن قابضه لا يمسك بالمكان الذي يحتاج إليه بالضبط.

بفضل إطار عمل جديد تم تطويره من قبل الباحثين في معهد ماساتشوستس للتكنولوجيا وشركة NVIDIA، يمكنك تعديل سلوك الروبوت من خلال إيماءات بسيطة. بإمكانك الإشارة إلى الوعاء أو رسم مسار على الشاشة، أو ببساطة دفع ذراع الروبوت في الاتجاه الصحيح.

على عكس طرق تعديل سلوك الروبوت الأخرى، لا تتطلب هذه التقنية من المستخدم جمع بيانات جديدة وإعادة تدريب نموذج التعلم الآلي الذي يتحكم في الروبوت. وبدلاً من ذلك، يسمح للروبوت باستخدام ردود الفعل البشرية البصرية في الوقت الفعلي لاختيار تسلسل الإجراء الذي يتطابق بشكل أفضل مع نية المستخدم.

وعندما اختبر الباحثون هذا الإطار، كان معدل نجاحه أعلى بنسبة 21% من النهج البديل الذي لم يستخدم التدخل البشري.

في المستقبل، قد يسهل هذا الإطار على المستخدم توجيه روبوت مدرب في المصنع لأداء مهام منزلية مختلفة، حتى لو لم يسبق للروبوت رؤية البيئة أو الأشياء الموجودة في ذلك المنزل من قبل.

"لا يمكننا أن نتوقع من المستخدمين العاديين جمع البيانات وضبط نموذج الشبكة العصبية بأنفسهم. ويتوقعون أن يعمل الروبوت فور إخراجه من الصندوق، وإذا حدث خطأ ما، فإنهم يحتاجون إلى آلية بديهية لضبطه. وقال فيليكس يانوي وانج، طالب الدراسات العليا في قسم الهندسة الكهربائية وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا والمؤلف الرئيسي للدراسة: "هذا هو التحدي الذي تناولناه في هذه الدراسة".

تقليل الانحراف

في الآونة الأخيرة، استخدم الباحثون نموذج الذكاء الاصطناعي التوليدي المدرب مسبقًا لتعلم "سياسة" - وهي مجموعة من القواعد التي يتبعها الروبوت لإكمال مهمة ما. يمكن لهذه النماذج حل العديد من المهام المعقدة.

أثناء التدريب، يتعرض النموذج فقط لحركات الروبوت الصالحة، حتى يتعلم كيفية إنشاء مسارات الحركة المناسبة.

ومع ذلك، هذا لا يعني أن كل عمل يقوم به الروبوت يتطابق مع رغبات المستخدم في الواقع. على سبيل المثال، قد يتم تدريب الروبوت على التقاط الصناديق الموجودة على الرف دون إسقاطها، لكنه قد يفشل في الوصول إلى صندوق على رف كتب شخص ما إذا كان تصميم رف الكتب مختلفًا عما رآه أثناء التدريب.

ولإصلاح مثل هذه الأخطاء، يقوم المهندسون في كثير من الأحيان بجمع بيانات إضافية حول المهام الجديدة وإعادة تدريب النموذج، وهي عملية مكلفة وتستغرق وقتًا طويلاً وتتطلب خبرة في التعلم الآلي.

وبدلاً من ذلك، يريد فريق معهد ماساتشوستس للتكنولوجيا السماح للمستخدمين بتعديل سلوك الروبوت بمجرد ارتكابه خطأً.

ومع ذلك، إذا تدخل الإنسان في عملية اتخاذ القرار الخاصة بالروبوت، فقد يتسبب ذلك عن طريق الخطأ في اختيار النموذج التوليدي لإجراء غير صالح. يمكن للروبوت الحصول على الصندوق الذي يريده المستخدم، ولكن قد يتسبب في إسقاط الكتب الموجودة على الرف أثناء هذه العملية.

وقال فيليكس يانوي وانج: "نريد أن يتفاعل المستخدمون مع الروبوت دون ارتكاب مثل هذه الأخطاء، وبالتالي تحقيق سلوك يتوافق بشكل أفضل مع نوايا المستخدم، مع ضمان الصلاحية والجدوى".

تعزيز القدرة على اتخاذ القرار

ولضمان عدم تسبب هذه التفاعلات في قيام الروبوت بإجراءات غير صالحة، يستخدم الفريق إجراء أخذ عينات خاصًا. تساعد هذه التقنية النموذج على اختيار الإجراء من مجموعة من الخيارات الصالحة التي تتوافق بشكل أفضل مع هدف المستخدم.

"بدلاً من فرض نوايا المستخدم، فإننا نساعد الروبوت على فهم نواياه، بينما نترك عملية أخذ العينات تتقلب حول السلوكيات التي تعلمها"، كما قال فيليكس يانوي وانج.

وبفضل هذا النهج، تفوق إطار عملهم البحثي على الطرق الأخرى في تجارب المحاكاة، وكذلك الاختبار باستخدام ذراع روبوتية حقيقية في مطبخ نموذجي.

على الرغم من أن هذه الطريقة لا تكمل المهمة دائمًا على الفور، إلا أنها تتمتع بميزة كبيرة للمستخدم: حيث يمكنه تصحيح الروبوت بمجرد اكتشاف خطأ، بدلاً من انتظار الروبوت لإكمال المهمة ثم إعطاء تعليمات جديدة.

بالإضافة إلى ذلك، بعد أن يقوم المستخدم بدفع الروبوت بلطف عدة مرات لتوجيهه نحو التقاط الوعاء الصحيح، يمكن للروبوت أن يتذكر هذا التصحيح ويدمجه في التعلم المستقبلي. وبفضل ذلك، يستطيع الروبوت في اليوم التالي التقاط الوعاء الصحيح دون الحاجة إلى إصدار تعليمات له مرة أخرى.

"لكن مفتاح هذا التحسين المستمر هو وجود آلية لتفاعل المستخدمين مع الروبوت، وهذا بالضبط ما أظهرناه في هذه الدراسة"، كما قال فيليكس يانوي وانج.

في المستقبل، يرغب الفريق في زيادة سرعة عملية أخذ العينات مع الحفاظ على الأداء أو تحسينه. ويريدون أيضًا اختبار الطريقة في بيئات جديدة لتقييم قدرة الروبوت على التكيف.

(المصدر: أخبار معهد ماساتشوستس للتكنولوجيا)