كشف باحثون من جامعة ووهان في الصين عن إطار ذكاء اصطناعي جديد يُطلق عليه اسم RGMP، يهدف إلى منح الروبوتات البشرية قدرة فائقة على تنفيذ المهام المنزلية. يمثل هذا الإنجاز خطوة متقدمة في سباق تطوير الروبوتات، حيث نجح النظام في تحسين مهارات الإمساك والتعامل مع الأشياء بدقة وصلت إلى 87%.
RGMP: دمج الذكاء الهندسي بالتعلم الآلي
يعتمد نظام RGMP على منهجية مبتكرة تختلف عن الأنظمة التقليدية التي تتطلب كميات ضخمة من البيانات:
الكفاءة في البيانات: يتطلب RGMP بيانات أقل بخمسة أضعاف مقارنة بالنماذج المنتشرة حالياً.
الاستدلال الهندسي: يدمج النظام التعلم الآلي مع الاستدلال الهندسي، مما يسمح للروبوت بفهم شكل الجسم الذي يتعامل معه (سواء كان يحتاج إلى التقاط، دفع، أو قرص) واتخاذ القرار المناسب، حتى في بيئات جديدة وغير مألوفة.
المكونات الأساسية للإطار
يتكون إطار RGMP من جزأين رئيسيين يساهمان في رفع كفاءة الروبوت:
مُحدد المهارات الهندسي (GSS): يساعد الروبوت على اختيار نوع الحركة المناسبة وفقًا لشكل الجسم ومتطلبات المهمة، محاكياً بذلك التفكير البشري.
شبكة الذاكرة التكيفية (ARGN): تمنح الروبوت القدرة على التعلم من عدد قليل جداً من الأمثلة، حيث تخزن الذاكرة المكانية وتحدثها باستمرار أثناء التفاعل.
تفوق على النماذج العالمية
تم اختبار نظام RGMP على روبوت بشري وروبوت ثنائي الذراع، وتميز في النتائج مقارنة بأشهر نماذج الروبوتات الأخرى مثل Diffusion Policy وOpenVLA:
-
دقة أعلى: زيادة دقة اختيار المهارات بنسبة وصلت إلى 25%.
-
استقرار التنفيذ: تنفيذ أكثر استقراراً للحركات المعقدة.
-
تدريب مقتصد: تمكن النظام من تحقيق نتائج قوية باستخدام 40 مثالاً تدريبياً فقط، بينما تحتاج الأنظمة الأخرى إلى 200 مثال.
ويرى الفريق البحثي أن دمج التفكير الرمزي مع التعلم العميق هو المفتاح لابتكار روبوتات تتعامل بكفاءة واستقلالية مع البيئات الحقيقية المتغيرة. ويعمل الباحثون حالياً على نسخة مستقبلية تتعلم مهمة جديدة بمشاهدة مثال واحد فقط
