إنجاز MT3 في تدريب ذراع ساوير بجامعة إمبريال كوليدج لندن
نجح فريق من العلماء في إمبريال كوليدج لندن في تدريب ذراع روبوتية من طراز ساوير على تنفيذ 1000 مهمة مختلفة خلال يوم واحد، بعد أن لم تتجاوز مدة تدريبه ثماني ساعات، وذلك باستخدام أسلوب تعلمٍ بالمحاكاة يعرف بـ MT3 (Multi-Task Trajectory Transfer).
اعتمد الإنجاز على MT3، وهو نظام تعلمٍ بالمحاكاة يتيح للروبوت اكتساب مهارات معقّدة انطلاقًا من عرض واحد لكل مهمة.
تمكنت الذراع الروبوتية من تنفيذ مهام متعددة شملت استخدام الأدوات، والتقاط ورفع أكثر من جسم في آن واحد، والتعامل مع أوضاع مختلفة للأجسام، دون الحاجة إلى إعادة تدريب كاملة أو الاعتماد على قواعد بيانات ضخمة.
يتعلم الروبوت من عرض واحد فقط؛ يشاهد إنساناً يؤدي المهمة مرة، ثم يحلّل الحركة إلى مراحل يمكن إعادة استخدامها وتكييفها مع مهام أو أجسام جديدة، وهذا يعزز الكفاءة ويقلل الزمن والموارد المطلوبة للتدريب ويفتح الباب لاستخدامه في بيئات واقعية ومتغيرة مثل المصانع والمستودعات والمنازل.
تقسِّم MT3 المهمة إلى مرحلتين أساسيتين هما المحاذاة والتفاعل، حيث يتعلم الروبوت كيف يقترب من الجسم أو الأداة بشكل صحيح، ثم ينفّذ الحركة المطلوبة مثل الإمساك أو النقل.
وتستخدم المنظومة آلية استرجاع ذكية للذاكرة تتيح اختيار أقرب عرض تدريبي سابق يتناسب مع المهمة الجديدة بناءً على وصف المهمة والبيئة المحيطة، ما يمنح الروبوت قدرة عالية على التكيّف مع مواقف جديدة دون الوقوع في أخطاء سلوكية.
تبرز MT3 بسلوك يمكن تفسيره بوضوح، حيث لا يعتمد على نماذج التعلم العميق “الصندوق الأسود” بل يتيح للإنسان فهم قرارات الروبوت، وهو عامل حاسم في تطبيقات حساسة مثل الرعاية الصحية أو خطوط الإنتاج حيث تكون الأخطاء مكلفة.
أظهرت التجارب قدرة الذراع الروبوتية على تعلم مهام جديدة بسرعة عبر التكيّف الحركي باستخدام تقدير الوضعية والتخطيط الحركي، ما مكّنها من تنفيذ عمليات الالتقاط والنقل بدقة مع قدرة على التعميم ضمن فئة واحدة من المهام، وتفوق MT3 على أساليب مثل behavioral cloning التي تقف عند حدود بسيطة في تفاوت البيئة أو الأدوات.
ويرى الباحثون أن هذه النتائج تثبت أن تعلّم الروبوتات على نطاق واسع لمهام معقدة لا يتطلب دائمًا شبكات عصبونية ضخمة ولا بيانات هائلة، بل يمكن تحقيقه بأساليب ذكية وشفّافة مثل MT3، ويتوقعون أن تتيح التحسينات المستقبلية تعديل مسارات الروبوت الحركية للتعامل مع أجسام غير مألوفة تمامًا، ما يقلل زمن التدريب وتكاليفه ويدفع نحو تطبيقات أكثر مرونة وكفاءة في العالم الواقعي.
