- تقنية الذكاء الاصطناعي التي طورتها جامعة بيركلي قادرة على تسريع برمجة وتدريب الروبوتات.
- تقنية الروبوتات الوكيلة تجمع بين عدة وكلاء ذكاء اصطناعي لتوليد برامج التحكم، مما يعزز أداء الروبوتات.
- تقلل هذه التقنية من الحاجة إلى كميات كبيرة من بيانات التدريب والهندسة اليدوية.
- تتركز التطبيقات الأولية في البيئات الصناعية، حيث أظهرت تحسينات ملحوظة في قدرة فرز الطرود.
طور باحثو جامعة كاليفورنيا في بيركلي تقنية تعتمد على الذكاء الاصطناعي، قادرة على تسريع برمجة وتدريب الروبوتات بشكل ملحوظ لمواجهة المهام في العالم الحقيقي. تُعرف هذه الطريقة باسم "تقنية الروبوتات الوكيلة"، حيث تستخدم عدة وكلاء ذكاء اصطناعي لتوليد برامج التحكم في الروبوتات، وتجري اختبارات في بيئات محاكاة، وتعمل على تحسين أدائها باستمرار. تقلل هذه التقنية من الحاجة إلى كميات كبيرة من بيانات التدريب والهندسة اليدوية، وهما التحديان الرئيسيان اللذان يعيقان تطوير الروبوتات ذات القدرات العالية. أظهرت الاختبارات الأولية تحسنًا في أداء الروبوتات في المهام، مما يشير إلى إمكانياتها المحتملة في الأتمتة الصناعية وتشغيل المستودعات.
مزايا تقنية الروبوتات الوكيلة
تجمع هذه الطريقة الجديدة في برمجة الروبوتات بين الذكاء الاصطناعي الوكيل، والمحاكاة القائمة على الفيزياء، وأنظمة التحكم المعيارية، مما يساعد الروبوتات على تحسين أدائها دون الاعتماد على مجموعات بيانات تدريب ضخمة. تتيح تقنية الروبوتات الوكيلة لعدة وكلاء ذكاء اصطناعي توليد برامج التحكم في الروبوتات، وتجري اختبارات في بيئات محاكاة، وتحدد الأخطاء، وتعدل الشيفرة قبل تطبيقها على الروبوتات الفعلية. تهدف هذه التقنية إلى معالجة تحديين طويلين في تكنولوجيا الروبوتات: الهندسة الواسعة المطلوبة لبرمجة سلوكيات الروبوتات، والكم الكبير من بيانات العالم الحقيقي اللازمة للتعلم بالمحاكاة.
أصدر فريق البحث معيارًا صناعيًا لتقييم أداء الروبوتات في المهام الصناعية. تقليديًا، يعتمد خبراء الروبوتات على طريقتين شائعتين. تتطلب تكنولوجيا الروبوتات القائمة على النماذج من المهندسين برمجة كيفية إدراك الروبوتات للأجسام، وتخطيط الحركات، والتحكم في السلوكيات يدويًا، بينما تستخدم تكنولوجيا الروبوتات غير القائمة على النماذج العروض والتعلم بالمحاكاة لتعليم الروبوتات تنفيذ المهام. تتطلب الطريقة الأولى جهدًا هندسيًا كبيرًا، بينما تحتاج الثانية إلى مجموعات بيانات ضخمة وأوقات تدريب طويلة. تهدف تقنية الروبوتات الوكيلة إلى دمج مزايا هذه الطريقتين مع تقليل قيودهما.
تستخدم هذه الطريقة إطار عمل يسمى "الرسم كاستراتيجية"، الذي يقوم بتفكيك المهام المعقدة للروبوتات إلى مهارات أصغر قابلة لإعادة الاستخدام، بما في ذلك التعرف على الأجسام، وتخطيط حركات الإمساك، وتحريك ذراع الروبوت دون الاصطدام بالأجسام المحيطة. تربط وكلاء الذكاء الاصطناعي هذه المهارات الفردية معًا لبناء برنامج التحكم الكامل للروبوت. باستخدام إطار محاكاة NVIDIA Isaac، اختبر الباحثون هذه البرامج في ظروف مختلفة، وحددوا المشكلات، وعدلوا الشيفرة بشكل متكرر لتحسين الأداء. مما أتاح للروبوتات خوض عدة جولات من الاختبارات الافتراضية قبل أن يقوم المهندسون بنشر البرنامج النهائي على الروبوتات الفعلية.
تتضمن إحدى العروض استخدام الروبوت لفرشاة إسفنجية لمسح الحبر عن قضبان معدنية. قدم الباحثون لنظام الذكاء الاصطناعي مقطع فيديو قصير، وسمحوا له بالوصول إلى واجهة المحاكاة. خلال ساعة واحدة، قام النظام بتوليد وتعديل محاكاة فيزيائية تعيد إنتاج المهمة، بما في ذلك تشوه الإسفنجة بشكل واقعي. ثم استخدم الذكاء الاصطناعي هذه المحاكاة وإطار "الرسم كاستراتيجية" لتوليد برنامج التحكم في الروبوت. اختبر النظام الشيفرة بشكل متكرر وحسنها، ثم نقلها إلى الروبوتات الفعلية. في إحدى التجارب، أسقط الروبوت القضيب المعدني لأنه لم يأخذ في الاعتبار وزن الأجسام بدقة.
استخدم النظام مقطع الفيديو الخاص بالفشل لتحديث محاكاته، وتعديل برنامج التحكم، واختبار طرق جديدة. تتيح هذه العملية الراجعة لوكلاء الذكاء الاصطناعي الاستفادة من الفشل في التجارب الفعلية لتحسين المحاكاة، وتحسين المحاولات اللاحقة، مما قد يقلل من عبء العمل الهندسي اليدوي.
تطبيق التقنية في اللوجستيات الصناعية
تم اختبار هذه التقنية أيضًا في اللوجستيات الصناعية. قامت شركة روبوتات المستودعات بتطبيق هذه الطرق في فرز الطرود، وتحليل بيانات الإنتاج، واختبار تحديثات سلوك الروبوتات. أظهرت تقارير التجارب أن قدرة كل روبوت على الفرز قد زادت بأكثر من 15,000 طرد سنويًا. قامت الشركة بنشر هذه التحسينات في 30% من أسطولها في الولايات المتحدة. كما أطلق الباحثون شيفرة مفتوحة المصدر مبنية على إطار محاكاة NVIDIA Isaac، وقدموا معيارًا صناعيًا لتقييم أداء الروبوتات في مهام مختلفة.
تتركز التطبيقات الأولية في البيئات الصناعية، حيث توفر العمليات المتكررة فرصًا لاختبار وتحسين سلوك الروبوتات.
قد تجعل هذه الطريقة في النهاية أنظمة الروبوتات أكثر قدرة على التكيف مع الاحتياجات المتغيرة دون الحاجة إلى برمجة يدوية لكل حركة أو جمع كميات كبيرة من بيانات العرض لكل مهمة جديدة. ومع ذلك، لا يعني ذلك أن الروبوتات ستتمكن من إتقان أي نشاط في العالم الحقيقي بشكل مستقل. تكمن إمكانياتها الفورية في جعل برمجة واختبار وتحسين الروبوتات أسرع وأكثر تكيفًا، خاصة في البيئات الصناعية المنظمة.
كيف تغير تقنيات الذكاء الاصطناعي طريقة برمجة الروبوتات
تظهر تقنية الروبوتات الوكيلة المطورة حديثًا إمكانيات الذكاء الاصطناعي في برمجة الروبوتات، خاصة في تقليل الاعتماد على الطرق التقليدية. من خلال دمج المحاكاة والتحكم المعياري، لا تعزز هذه التقنية أداء الروبوتات فحسب، بل تتيح أيضًا التكيف السريع مع المتطلبات المتغيرة في البيئات الصناعية. وهذا له أهمية كبيرة في تحسين كفاءة الإنتاج وتقليل التكاليف، خاصة في السيناريوهات التي تتطلب عمليات متكررة بكثافة. مع استمرار تطور التقنية، قد تظهر المزيد من الحلول الآلية في المستقبل، مما يدفع تقدم الأتمتة الصناعية.

