إطار مفتوح المصدر يختصر تهيئة نماذج الذكاء الاصطناعي لروبوتات مختلفة

قبل أن يختبر الباحث خوارزمية جديدة على روبوت، قد يضطر إلى قضاء أسابيع في توصيل الحساسات وتهيئة المحركات ومواءمة صيغ البيانات. وتتكرر المهمة عند الانتقال إلى ذراع أو منصة مختلفة، حتى لو ظل نموذج الذكاء الاصطناعي نفسه. لمعالجة هذه المشكلة، طور فريق من جامعة كارنيغي ميلون إطار RIO مفتوح المصدر، ليمنح الباحثين مجموعة أدوات مشتركة للتحكم في روبوتات متعددة وجمع بياناتها وتشغيل النماذج عليها.

الرقم الأهم
تمكنت متدربة لديها خبرة في تعلم الآلة، من دون خبرة سابقة في الروبوتات، من فتح صندوق ذراع روبوتية وتهيئتها للتشغيل عن بعد عبر RIO خلال نحو ساعتين، وفق تجربة أجراها الفريق.

لماذا يبدأ كل روبوت من نقطة مختلفة؟

تتقدم نماذج تعلم الروبوتات بسرعة، لكن تشغيلها على آلة حقيقية يتطلب منظومة برمجية ومادية لا تظهر عادة في العروض النهائية. يجب على الفريق قراءة بيانات الكاميرات والحساسات، وتحويل قرارات النموذج إلى أوامر للمفاصل، وتسجيل الحركة والتوقيت، ووضع حدود تمنع الاصطدام أو تجاوز قدرة المحركات.

تكمن المشكلة في أن الشركات والمختبرات لا تستخدم واجهة واحدة. قد يرسل روبوت أوامره بمعدل مختلف، أو يعرض بياناته بصيغة لا يفهمها البرنامج المكتوب لروبوت آخر. وعند تغيير الذراع أو إضافة كاميرا جديدة، يضطر الباحثون إلى تعديل أجزاء واسعة من المسار، مع أن السؤال العلمي الذي يريدون اختباره لم يتغير.

يؤثر ذلك أيضاً في إعادة إنتاج النتائج. فقد تنجح تجربة منشورة داخل مختبرها الأصلي، لكن نقلها إلى جهة أخرى يتعطل بسبب برامج تشغيل مخصصة أو إعدادات غير موثقة. ولا يستهدف RIO ابتكار نموذج ذكاء جديد، بل يحاول تنظيم الطبقة التي تصل هذا النموذج بالآلة.

ماذا يقدم RIO؟

يجمع RIO وظائف التحكم في الروبوت، والتشغيل عن بعد، وجمع بيانات التدريب، ونشر نماذج الذكاء الاصطناعي. ويعتمد تصميماً معيارياً (Modular Design)، بحيث يمكن تبديل مكوّن أو حساس من دون إعادة كتابة المنظومة المحيطة به بالكامل. ويشمل المشروع أدوات للمستويات البرمجية العليا ومكتبة للتحكم الفوري في العتاد.

يستطيع الباحث، على سبيل المثال، استخدام طريقة متقاربة لتسجيل عرض بشري لمهمة ما، حتى عندما تتغير الذراع المستخدمة في التجربة. كما يمكنه الاحتفاظ بأجزاء من مسار البيانات والتدريب عند الانتقال إلى منصة أخرى، بدلاً من بناء كل شيء من الصفر.

لكن الإطار لا يعمل كزر ينقل ذكاء الروبوت تلقائياً. وظيفته الأساسية هي توحيد طريقة التعامل مع الأجهزة قدر الإمكان، بينما تظل خوارزميات التعلم وسياسات الحركة وأدوات الاستخدام من مسؤولية الفريق الذي يبني التجربة.

ما الذي قد يتغير داخل المختبر؟

إذا قل وقت التهيئة فعلاً، يستطيع الطلاب والمتخصصون في تعلم الآلة بدء تجاربهم المادية من دون انتظار أشهر لاكتساب خبرة عميقة في كل نوع من العتاد. وقد تتمكن المختبرات من اختبار الفكرة نفسها على أكثر من روبوت، بدلاً من الاكتفاء بعرضها على آلة واحدة جرى إعدادها بعناية.

يساعد تنسيق الأدوات أيضاً على جمع بيانات أقرب في بنيتها، ما يسهل مقارنة النتائج أو دمج التسجيلات من منصات مختلفة. وقد يكشف الاختبار على عدة آلات ما إذا كانت الطريقة عامة فعلاً، أم أنها نجحت بسبب خصائص ذراع أو كاميرا بعينها.

أما تجربة الإعداد خلال ساعتين، فهي مؤشر على سهولة الاستخدام التي يسعى إليها المشروع وليست قياساً شاملاً للأداء. فقد تختلف المدة كثيراً حسب نوع الروبوت والحساسات وخبرة المستخدم ومدى توفر برنامج التشغيل المناسب.

الاتصال بالروبوت لا ينقل المهارة

تختلف الروبوتات في طول الذراع وعدد المفاصل والحمولة ومواقع الكاميرات وسرعة الاستجابة وحدود القوة. لهذا قد تتصل الخوارزمية بآلتين عبر الواجهة نفسها، لكنها لا تنفذ الحركة بالدقة أو السلامة ذاتها على كلتيهما. وقد تكون حركة ما آمنة لذراع صغيرة، بينما تسبب اصطداماً أو حملاً زائداً على روبوت آخر.

لا بد لذلك من معايرة كل منصة وتكييف النموذج معها والتحقق من سلوكها قبل تشغيلها خارج بيئة الاختبار. كما يجب التعامل مع انقطاع الاتصال وضوضاء الحساسات وتأخر الأوامر والإيقاف الطارئ. تستطيع البنية المشتركة تنظيم هذه الأعمال وتقليل تكرارها، لكنها لا تلغي مخاطر التحكم في آلة تتحرك داخل العالم الحقيقي.

كيف يُقاس نجاح المشروع؟

ستظهر قيمة RIO الحقيقية عندما تستخدمه فرق مستقلة على أجهزة متعددة وتقيس الوقت الذي وفره مقارنة بالتهيئة التقليدية. وسيكون لجودة التوثيق وسهولة إضافة روبوتات جديدة وقدرة المجتمع المفتوح على الحفاظ على واجهة متماسكة دور أساسي في انتشاره.

إذا نجح المشروع في ذلك، فلن يكون إنجازه روبوتاً يتعلم أي مهمة فوراً، بل طبقة أساسية أقل إثارة للانتباه وأكثر فائدة للباحثين: وقت أقل لتوصيل البرامج بالعتاد، ووقت أكبر لاختبار ما إذا كانت نماذج الذكاء الاصطناعي تستطيع العمل على آلات مختلفة بصورة قابلة للتكرار وآمنة.