اختراق من معهد ماساتشوستس للتكنولوجيا: ثورة في تدريب الروبوتات

أعلن باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) عن طريقة ثورية لتدريب الروبوتات، تقلل من الوقت والتكلفة مع تحسين قدرتها على التكيف مع المهام والبيئات الجديدة. وتعتمد هذه الطريقة، التي تُسمى “محولات مُدرّبة مسبقاً غير متجانسة” (Heterogeneous Pretrained Transformers – HPT)، على دمج كميات هائلة من البيانات المتنوعة من مصادر متعددة في نظام موحد، مما يخلق بفعالية لغة مشتركة يمكن لنماذج الذكاء الاصطناعي التوليدية معالجتها. وهذا يمثل تحولاً هاماً عن طرق تدريب الروبوتات التقليدية، حيث يجمع المهندسون عادةً بيانات محددة لكل روبوت ومهمة في بيئات مُتحكمة.

يعتقد الباحث الرئيسي، ليروي وانغ، وهو طالب دراسات عليا في الهندسة الكهربائية وعلوم الحاسوب في معهد ماساتشوستس للتكنولوجيا، أنه في حين يرى الكثيرون أن قلة بيانات التدريب هي التحدي الرئيسي في مجال الروبوتات، إلا أن المشكلة الأكبر تكمن في التنوع الهائل للمجالات والوسائط وأجهزة الروبوت. ويُظهر عملهم كيفية دمج جميع هذه العناصر المتنوعة واستخدامها بفعالية.

قام فريق البحث بتطوير بنية تجمع بين أنواع البيانات المختلفة، بما في ذلك صور الكاميرا، والإرشادات اللغوية، وخرائط العمق. ويستخدم HPT نموذج المحول، المشابه لما يُشغّل نماذج اللغات المتقدمة، لمعالجة المدخلات البصرية والحسية الذاتية.

وفي الاختبارات العملية، أظهر النظام نتائج رائعة، متفوقاً على طرق التدريب التقليدية بأكثر من 20% في كل من السيناريوهات المُحاكاة والعالم الحقيقي. وقد استمر هذا التحسن حتى عندما واجهت الروبوتات مهام مختلفة بشكل كبير عن بيانات تدريبها.

جمع الباحثون مجموعة بيانات رائعة للتدريب المسبق، تضمنت 52 مجموعة بيانات تضم أكثر من 200,000 مسار روبوت عبر أربع فئات. يسمح هذا النهج للروبوتات بالتعلم من ثروة من التجارب، بما في ذلك العروض التوضيحية البشرية والمحاكاة.

تكمن إحدى الابتكارات الرئيسية للنظام في طريقة تعامله مع الإدراك الحسي الذاتي (وعي الروبوت بموقعه وحركته). صمم الفريق البنية لتُولي أهمية متساوية للإدراك الحسي الذاتي والرؤية، مما يسمح بحركات أكثر براعة وتعقيداً.

يتطلع الفريق في المستقبل إلى تعزيز قدرات HPT لمعالجة البيانات غير المُسمّاة، على غرار نماذج اللغات المتقدمة. وتتمثل رؤيتهم النهائية في إنشاء “دماغ روبوت عالمي” يمكن تنزيله واستخدامه لأي روبوت دون تدريب إضافي.

وفي حين يقر الفريق بأنه لا يزال في المراحل الأولى، إلا أنه متفائل بأن التوسع يمكن أن يؤدي إلى تطورات ثورية في سياسات الروبوتات، على غرار التطورات التي شوهدت في نماذج اللغات الكبيرة.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي