يُعد الانتقال من هاتف ذكي إلى آخر عملية سهلة ومريحة في معظم الأحيان؛ فبمجرد تسجيل الدخول إلى حساباتك، تتم مزامنة تطبيقاتك وتفضيلاتك وجهات اتصالك مع الجهاز الجديد بسلاسة. ولكن في عالم الروبوتات، فإن استبدال ذراع آلية قديمة بنموذج أحدث يعني البدء من الصفر وإعادة إعداد كل شيء. لمعالجة هذه المشكلة، طوّر فريق من الباحثين في المدرسة الفيدرالية السويسرية للفنون التطبيقية في لوزان (EPFL) ما أطلقوا عليه الذكاء الحركي، وهو إطار عمل يجعل تبديل الروبوتات يعمل بشكل أشبه بتبديل الهواتف الذكية. وقد وصفوا نظامهم هذا في ورقة بحثية حديثة نُشرت في مجلة Science Robotics.
اكتساب المهارات وتحدياتها
لسنوات طويلة، عمل علماء الروبوتات على تمكين الروبوتات من التعلم عبر العرض التوضيحي، أي تعليمها مهارات جديدة من خلال إظهار ما يجب عليها فعله، بدلاً من كتابة سطور معقدة من التعليمات البرمجية. وتكمن الفكرة في التحكم عن بعد بذراع الروبوت أو توجيهه جسديًا لتعليمه مهام مثل مسح الطاولة، أو تكديس الصناديق، أو لحام مكونات السيارات. ولكن المشكلة الأساسية هي أن معظم هذه المهارات المكتسبة ترتبط في النهاية بالروبوت المحدد الذي تم التدريب عليه.
تتطور الروبوتات بسرعة فائقة. وفي هذا السياق، أوضح ستيثبراجيا جوبتا، عالم الروبوتات في EPFL والمؤلف الرئيسي للدراسة، أن الروبوتات تمتلك تصاميم مختلفة، ويتم اقتراح تصاميم جديدة باستمرار، مما يطرح مجموعة من التحديات الخاصة بها. فإذا كان الروبوت الجديد يمتلك وصلات أطول قليلاً، أو اتجاهًا مفصليًا مختلفًا، أو تكوينًا أكثر تعقيدًا، فإن السلوك المكتسب ينقطع على الفور، وقد يتعثر الروبوت الجديد أو يتجمد أو يتعطل إذا حاول تطبيق المهارة. وعليه، فإن الانتقال من هيكل روبوت إلى آخر يعني عادةً البدء من الصفر وإعادة تدريب النظام بالكامل.
تجنب مناطق الخطر: التفردات الميكانيكية
عندما يتحرك الروبوت في الفضاء لإكمال مهمة ما، يجب عليه باستمرار حساب كيفية ثني مفاصله للحفاظ على المستجيب النهائي (المعادل الآلي لليد) على المسار الصحيح. وفي هذه العملية، يجب على الروبوت تجنب الوصول إلى الحد المادي لحركته، أو ما هو أسوأ، التفرد، الذي يمثل في علم الروبوتات منطقة خطر رياضي. التفرد هو تكوين مادي حيث تتوازى مفاصل الروبوت بشكل يفقده مؤقتًا درجة من الحرية. ويوضح جوبتا: في مثل هذه الأوضاع، قد تصبح حركة الروبوت غير مستقرة، أو قد يفقد المستخدم السيطرة عليه.
يشبه هذا الأمر في السياق البشري تقريبًا تيبّس المرفقين عندما يصبحان مستقيمين تمامًا عند دفع شيء ثقيل، مما يجعل الذراعين غير قادرتين على أداء الحركات الجانبية للحظة. ويُعد نقل المهارات من روبوت إلى آخر أمرًا صعبًا لأن الروبوتات ذات البنية المختلفة عادةً ما يكون لها طوبولوجيا مختلفة من التفردات. عندما تتبع خوارزمية الروبوت المسار بشكل أعمى وتصل إلى نقطة التفرد، فإن المعادلات الرياضية التي تتحكم في مفاصله ستفشل. على سبيل المثال، قد يحاول الروبوت تدوير مفصل بسرعة لا نهائية، مما يؤدي إلى حركة مفاجئة وغير آمنة. وقد حل فريق جوبتا هذه المشكلة من خلال منح الروبوتات وعيًا رياضيًا فطريًا عميقًا بقيودها الجسدية. هذا الذكاء الحركي، كما يسمونه، يتيح للمستخدم إظهار مهارة ما مرة واحدة فقط، ثم تنفيذها بأمان بواسطة نوع مختلف تمامًا من الروبوتات. ومن المثير للاهتمام أن هذا الذكاء الحركي قد تم بناؤه بطريقة لا تعتمد على الذكاء الاصطناعي.
منهجية جديدة نحو اليقين
تقليديًا، تعامل المهندسون مع التفردات من خلال إصلاحات برمجية؛ حيث قاموا ببناء نماذج معكوسة ومعادلات رياضية معقدة تعمل بشكل عكسي من الموضع المستهدف للمستجيب النهائي للروبوت لرسم خريطة لجميع المواضع المشتركة المطلوبة للوصول إلى هناك. بعد ذلك، قاموا بوضع مرشحات الأمان أو التصحيحات لمنع الروبوت من الوقوع في المشاكل. تتطلب بعض أساليب الذكاء الاصطناعي الأحدث والمعتمدة على البيانات جهدًا وخبرة أقل، ولكنها تتطلب الوصول إلى كل روبوت سيتم استخدام برنامج التحكم عليه أثناء مرحلة التدريب. وقال جوبتا: هناك أيضًا طبيعة الصندوق الأسود أو الطبيعة الاحتمالية للذكاء الاصطناعي حيث يمكن أن يفعل شيئًا غير متماسك، وهو ما قد يكون كارثيًا. أراد فريقه اليقين، وليس الاحتمالات، لذلك اتبعوا نهجًا مختلفًا.
وبدلاً من محاولة تصحيح القيود الميكانيكية للروبوت بعد التدريب، قاموا بدمج هذه القيود مباشرة في سياسة التحكم منذ البداية. ركزوا على الروبوتات ثلاثية الدوران – وهي أذرع آلية ذات ثلاثة مفاصل – والتي تُعد اللبنات الأساسية للعديد من الروبوتات التجارية الحديثة. من خلال التحليل الجبري لمعلمات الروبوتات، مثل أطوال روابطها وإزاحات مفاصلها، رسم الفريق خريطة دقيقة لمكان نقاط التفرد ضمن مساحة المفاصل. تعمل هذه التفردات، جنبًا إلى جنب مع الحدود الصلبة للمفاصل، على تقسيم مساحة الحركة المحتملة للروبوت إلى مناطق ممكنة يسميها الباحثون جوانب.
من خلال دراسة طوبولوجيا هذه الجوانب، صنف الباحثون الروبوتات ثلاثية الدوران (تلك التي لديها ثلاثة مفاصل) إلى ست فئات. بهذه الطريقة، بمجرد أن يعرفوا أيًا من هذه الفئات الست يندرج فيها روبوت معين، فإنهم يعرفون على الفور البنية الدقيقة لقيوده الجسدية – خريطة كاملة لمناطق الخطر الخاصة به. يتيح إطار الذكاء الحركي، المسلح بهذه الخريطة، للروبوتات التجول حول تفرداتها باستخدام استراتيجية يسميها الفريق دورة المسار. استنادًا إلى تصنيف فئته، يعرف الروبوت حدوده المادية، مما يمنعه من الاصطدام ويعيد توجيه الحركة ديناميكيًا للانزلاق أو العبور بأمان على طول حافة حدود التفرد. يتبع الروبوت هذه الحدود بعناية حتى يجد تكوينًا آمنًا حيث يمكنه إعادة إدخال المسار الاسمي لإنهاء المهمة. وبعد أن تأكد الفريق من صحة العمليات الحسابية وراء فكرتهم، قاموا باختبار إطار العمل الخاص بهم على أجهزة مختلفة، وقد نجح الأمر.
العمل الجماعي الروبوتي ونقل المهارات
تضمن الإعداد التجريبي ثلاثة أنواع مختلفة من الروبوتات: ذراع Duatic DynaArm بست درجات حرية (6-DoF) بحدود مفصلية ضيقة، وذراع KUKA LWR IIWA 7 بسبع درجات حرية (7-DoF) بحدود معتدلة، وذراع Neura Robotics Maira M بسبع درجات حرية (7-DoF) بحدود أكثر مرونة. باستخدام هذه الآلات، قام الباحثون ببناء خط تجميع وهمي متعدد الروبوتات حيث تتعاون ثلاث أذرع روبوتية مختلفة لإكمال سلسلة من المهام. في البداية، أجرى إنسان واحد عرضًا توضيحيًا لثلاث مهارات متتالية. وقال جوبتا: لقد أظهرنا مهمة تقوم فيها بدفع شيء ما من الحزام الناقل، ثم تلتقطه وتضعه على طاولة العمل، ثم تلتقطه مرة أخرى وترميه في السلة. تم بعد ذلك توزيع كل هذه الإجراءات بين الروبوتات بحيث يقوم كل روبوت بتنفيذ واحدة منها: DynaArm يدفع، KUKA يلتقط ويضع، وNeura يلتقط ويرمي.
على الرغم من أن حركات الدفع والرمي أجبرت الروبوتات على الاقتراب من حدود مساحات العمل الفعلية، وكانت مناورة الاختيار والوضع تتطلب فحوصات رياضية داخلية معقدة، إلا أن الآلات الثلاث كانت قادرة على تعلم سياسة وظيفية من خلال عرض بشري واحد فقط. وقال جوبتا: ثم قلنا، كما تعلمون، دعونا نخلط هذه الروبوتات. وبدون أي إعادة تدريب، قام الفريق بتبادل مواقع الروبوتات ومهامها. اتضح أن ذكائهم الحركي جعل من الممكن إكمال التسلسل عندما كان KUKA مسؤولاً عن الدفع، وDynaArm عن الرمي، وNeura عن الالتقاط والوضع، وفي جميع التكوينات الممكنة الأخرى. وقال جوبتا: إن التحدي الرئيسي الآن هو نقل هذه التكنولوجيا إلى أرض التجميع الصناعي.
مستقبل الروبوتات: التوصيل والتشغيل
في حين أن إطار الذكاء الحركي يضمن حركة آمنة ميكانيكيًا، إلا أنه يفتقر حاليًا إلى الاستشعار المتقدم واتخاذ القرارات الحساسة للسياق المطلوبة للبيئات غير المتوقعة. وبينما يعترف الباحثون بأن النظام يتعامل بشكل لا تشوبه شائبة مع القيود المادية الداخلية للروبوت مثل التفردات وحدود المفاصل، إلا أنه ليس مجهزًا بعد لفهم الفروق الدقيقة في الأشياء التي يتفاعل معها. على سبيل المثال، لا يستطيع النظام حاليًا التمييز بين نقل حاوية ممتلئة تتطلب معالجة بطيئة ودقيقة، وبين حاوية فارغة يمكن نقلها بسرعة. علاوة على ذلك، يتطلب الأمر دمج فحوصات السلامة المعرفية عالية المستوى لدمج الأوامر البشرية مع المنطق السليم، مثل معرفة عدم الإمساك بالسكين عند طلب إعداد القهوة.
تُعد العقبة الأخرى التي يجب التغلب عليها قبل أن يتمكن الذكاء الحركي من الانتقال من التجارب المعملية الخاضعة للرقابة إلى أرضيات المصانع هي تكامل الاستشعار البيئي المتقدم، والذي من شأنه أن يمكّن الروبوتات من التنقل بأمان في المساحات الديناميكية حيث يتحرك البشر باستمرار وبشكل غير متوقع. وبالإضافة إلى ذلك، في حين تم بالفعل التحقق من صحة إطار البرنامج على الروبوتات الصناعية الحالية، فإن نشره في مجالات أكثر حساسية مثل الطب يواجه حاليًا تحديات بسبب قيود الأجهزة. واختتم سالونخي: إذا تحدثنا عن نشر هذه التكنولوجيا في السيناريوهات الطبية، فأعتقد أننا سنرى في السنوات الخمس المقبلة روبوتات أكثر أمانًا ميكانيكيًا ستجعل ذلك ممكنًا. يمكن ترجمة إطار عملنا على الفور إلى مثل هذه التصاميم الجديدة، لذلك نحن ننتظر هذه الروبوتات الآن.