تقنية «التجانس» تستخدم الذكاء الاصطناعي

أهمية استخدام النماذج لتبسيط عملية صنع القرار في مجال الروبوتات. الورقة، التي توضح تفاصيل هذا النهج، عبارة عن تعاون مع خبراء مثل تاو بانغ، عالم الروبوتات من معهد «بوسطن ديناميكس للذكاء الاصطناعي»، والبروفسور روس تيدريك من معهد «ماساتشوستس للتكنولوجيا» وتم نشره أخيراً في «IEEE Transactions on Robotics».

المفهوم الأساسي وراء هذه الطريقة هو «التعلم المعزز» أي تعلّم الروبوتات عن طريق التجربة والخطأ، وتحقيق الأهداف من خلال اتخاذ القرارات الصحيحة. ومع ذلك، مع مليارات الاتصالات المحتملة، يصبح الأمر ثقيلاً حسابياً. يستخدم حل معهد «ماساتشوستس للتكنولوجيا» طريقة «التجانس»، مما يمكّن الروبوتات من متوسط ??نقاط الاتصال غير المهمة والتركيز فقط على النقاط المحورية. والنتيجة هي اتخاذ قرار فعّال، يمكن مقارنته بالتعلم المعزز التقليدي ولكنه أسرع بشكل ملحوظ.

ختبر باحثو المعهد الأميركي نهجهم أولاً في عمليات المحاكاة، حيث تم تكليف الأيدي الروبوتية بمهام مثل تحريك قلم، أو فتح باب، أو التقاط طبق. وفي كل حالة، حقق النهج القائم على النموذج الأداء نفسه، الذي حققه التعلم المعزز، ولكن في وقت أقل. لقد رأوا نتائج مماثلة عندما اختبروا نموذجهم في الأجهزة على أذرع آلية حقيقية. وعلى الرغم من أن الباحثين في معهد «ماساتشوستس للتكنولوجيا» متفائلون بشأن تحسين تقنياتهم لتلبية هذه الحركات المعقدة في المستقبل، فإن الحركات الديناميكية، مثل التقاط جسم أثناء سقوطه تمثل تحدياً لهذه التقنية.

وعلى الرغم من أن النموذج الذي تم تطويره يثبت فاعليته في مهام المعالجة البطيئة، فإن نهجهم لا يمكنه إنشاء خطة من شأنها تمكين الروبوت من رمي علبة في سلة المهملات، على سبيل المثال.

وفي المستقبل، يخطط الباحثون لتعزيز تقنيتهم ??حتى تتمكن من معالجة هذه الحركات الديناميكية للغاية.