نجح فريق من العلماء في إمبريال كوليدج لندن في تدريب ذراع روبوتية من طراز ساوير على تنفيذ 1000 مهمة مختلفة خلال يوم واحد فقط، بعد فترة تدريب لم تتجاوز ثماني ساعات، وذلك باستخدام أسلوب تعلم جديد يُعرف باسم MT3 (Multi-Task Trajectory Transfer).
تمكنت الذراع الروبوتية من تنفيذ مهام متعددة شملت استخدام الأدوات والتقاط ونقل أكثر من جسم في آن واحد والتعامل مع أوضاع مختلفة للأجسام دون الحاجة إلى إعادة تدريب شاملة أو الاعتماد على قواعد بيانات ضخمة.
التعلم من عرض واحد وتحويله إلى مهام متعددة
على عكس الأساليب التقليدية في التعلم الروبوتي، يعتمد MT3 على التعلم بالمحاكاة من عرض واحد فقط، حيث يشاهد الروبوت مهمة يؤديها إنسان مرة واحدة ثم يحلل الحركة ويقسمها إلى مراحل قابلة لإعادة الاستخدام والتكيّف مع مهام أو أجسام جديدة، وهو ما يقلل بشكل كبير من الزمن والموارد المطلوبة للتدريب ويفتح باب الاستخدام في بيئات واقعية متغيرة.
تقسيم الحركة وفهم السياق
يعتمد MT3 على فصل كل مهمة إلى مرحلتين أساسيتين هما مرحلة المحاذاة ومرحلة التفاعل، كما يستخدم النظام آلية ذاكرة استرجاع تسمح له باختيار أقرب عرض تدريبي سابق يتناسب مع المهمة الجديدة بناءً على وصف المهمة والبيئة المحيطة، وهذه القدرة على اختيار الخبرة المناسبة تمنح الروبوت مرونة عالية في التكيّف مع مواقف جديدة دون الوقوع في أخطاء.
سلوك أكثر قابلية للفهم والثقة
لا يعتمد MT3 على نماذج التعلم العميق الصندوق الأسود، بل يوفر سلوكًا واضحًا وقابلًا للتفسير ما يجعل تصرفات الروبوت أكثر موثوقية، خاصة في بيئات حساسة مثل الرعاية الصحية أو خطوط الإنتاج الصناعية.
كفاءة عالية وتكيّف مع الأجسام المختلفة
أظهرت التجارب أن الذراع الروبوتية تعلم مهام جديدة بسرعة عبر التكيّف الحركي باستخدام تقدير الوضع والتخطيط الحركي، مما مكنها من تنفيذ عمليات الالتقاط والنقل بدقة عندما يتغير شكل أو موضع الأجسام، وتفوق MT3 على أساليب مثل Behavioral Cloning، مع تأكيد الباحثين أن التعلم على نطاق واسع للمهام المعقدة لا يحتاج إلى شبكات ضخمة أو بيانات هائلة، وتوقعوا أن التحسينات المستقبلية ستتيح تعديل مساراتها لتتعامل مع أشياء غير مألوفة، ما يقلل أوقات التدريب والتكاليف ويدفع نحو تطبيقات واقعية أكثر مرونة وكفاءة.
