روبوت بشري يتجاوز التقليد إلى تركيب حركات جديدة بالذكاء الاصطناعي

طوّر باحثون من جامعتي كاليفورنيا في بيركلي وستانفورد إطاراً جديداً للذكاء الاصطناعي يتيح للروبوتات البشرية تعلم مجموعة واسعة من الحركات المعقدة انطلاقاً من بيانات الحركة البشرية، بما يشمل الركض والرقص والقفز والحركات القتالية والعجلات الهوائية. ويحمل النظام اسم «BeyondMimic»، وقد نُشرت نتائجه في مجلة «Science Robotics».

الفكرة الأساسية لا تقتصر على جعل الروبوت يقلّد حركة بعينها، بل على تدريبه على مجموعة من المهارات الحركية ثم منحه القدرة على تركيبها واستخدامها في مهام لم يواجهها أثناء التدريب. ويستهدف الباحثون بذلك معالجة أحد أبرز تحديات الروبوتات البشرية الحالية، إذ تستطيع كثير من الأنظمة تنفيذ مجموعة محدودة من الحركات بشكل جيد، لكنها تحتاج غالباً إلى تدريب أو ضبط منفصل لكل حركة أو مهمة جديدة.

اعتمد الفريق في التدريب على نحو 2.5 ساعة من بيانات الحركة البشرية، تضمنت المشي والركض والرقص وفنوناً قتالية وقفزات وحركات أكروباتية أخرى. وبعد ذلك جرى تكييف هذه الحركات مع أبعاد ومفاصل روبوت «G1» البشري من شركة «Unitree Robotics».

واستخدم الباحثون التعلم المعزز لتدريب سياسات التحكم على محاكاة مواضع أعضاء الجسم واتجاهاتها وسرعاتها أثناء الحركة. وفي هذا النوع من التدريب، يحصل النظام على مكافآت عندما يتتبع الحركة المرجعية بصورة دقيقة، بينما تُفرض عليه عقوبات عند تنفيذ حركات متقطعة أو وضع المفاصل في أوضاع غير آمنة أو التسبب في احتكاكات غير مرغوبة بين أجزاء الجسم.

ووفق الفريق، أتاحت هذه الطريقة للروبوت إتقان حركات شديدة الديناميكية ضمن إعداد موحد بدلاً من الحاجة إلى ضبط منفصل لكل مهارة. وتشمل الأمثلة الركض والركلات الدورانية والركلات الهوائية والعجلات الأكروباتية.

الجزء الأكثر أهمية في «BeyondMimic» يأتي بعد مرحلة التقليد المباشر. فقد استخدم الباحثون نموذجاً رياضياً لضغط الحركات التي تعلمها الروبوت إلى تمثيل مبسط، ثم دربوا نموذج انتشار «Diffusion Model» على استخدام هذه التمثيلات لإنشاء تسلسلات حركية جديدة. وبذلك، لا يحتاج الروبوت إلى استدعاء حركة محفوظة كما هي فقط، بل يمكنه مزج مجموعة من المهارات الحركية بما يتناسب مع الهدف المطلوب.

وتوضح الصفحة الرسمية للمشروع أن النظام يستطيع تنفيذ مهام مثل التحرك نحو نقاط محددة، والتحكم عبر عصا قيادة وتجنب العوائق من دون تدريب منفصل مخصص لكل مهمة. ويصف الباحثون هذه القدرة بأنها انتقال من مجرد تتبع الحركة إلى تحكم أكثر مرونة في كامل جسم الروبوت.

تصفح أيضًا: مؤتمر «موني الشرق الأوسط» يجمع رواد التقنية المالية عالمياً في السعودية

يهدف النهج إلى بناء روبوتات بشرية أكثر مرونة قادرة على التكيف مع مهام متعددة من دون إعادة تدريب منفصلة لكل حركة (الجامعة)

بدأ الباحثون باختبار النظام في المحاكاة، قبل نقل مجموعة من المهارات إلى روبوت «Unitree G1» فعلي. وتم نشر 30 مقطعاً حركياً تمثيلياً على الروبوت، الذي تمكن من تنفيذ حركات تضمنت أوضاع التوازن والرقص والزحف والركض والركلات والقفزات الدورانية والعجلات الهوائية.

كما شملت التجارب تقييماً بشرياً لمقارنة طبيعية الحركة. وشارك 77 شخصاً في مقارنة طريقة المشي والركض الناتجة عن «BeyondMimic» مع الحركات التي ينتجها نظام التحكم القياسي الخاص بروبوت «Unitree». وفي 70.8 في المائة من المقارنات، اعتبر المشاركون أن حركات «BeyondMimic» تبدو أكثر طبيعية وشبهاً بحركة الإنسان.

تتجاوز أهمية هذا النوع من الأبحاث استعراض قدرات الروبوت على أداء الحركات الأكروباتية. فإحدى المشكلات الأساسية في تطوير الروبوتات البشرية تتمثل في بناء أنظمة تحكم يمكنها التعامل مع مهام متنوعة من دون إعادة تدريب كاملة في كل مرة.

ويشير الباحثون إلى أن النظام يستطيع استخدام المهارات المكتسبة للتعامل مع أهداف جديدة، مثل تجنب العوائق أو التنقل إلى موقع محدد، مع نقل هذه القدرات من المحاكاة إلى الأجهزة الحقيقية مباشرة في بعض الاختبارات. ويمثل هذا النوع من المرونة عنصراً مهماً في تطوير ما يُعرف بالذكاء الاصطناعي المادي، حيث لا تقتصر النماذج على معالجة النصوص أو الصور، بل تتحكم في آلات وروبوتات تتفاعل مباشرة مع البيئة المحيطة.

لا يعني نجاح التجارب أن الروبوت أصبح جاهزاً لتنفيذ جميع المهام البشرية في البيئات الواقعية. فالنتائج الحالية تركز أساساً على التحكم الحركي وتوليد حركات مرنة، وليس على إتمام مهام صناعية أو منزلية معقدة بصورة مستقلة.

ويشير فريق البحث إلى إمكانية توسيع النظام مستقبلاً ليشمل نطاقاً أوسع من الحركات واختباره على منصات روبوتية بشرية أخرى. كما يفتح النهج الباب أمام تدريب الروبوتات على مكتبات أكبر من الحركة البشرية، ثم استخدام تلك المهارات في مهام لم تكن جزءاً مباشراً من بيانات التدريب الأصلية.

ويبقى التحدي التالي هو الانتقال من إتقان الحركة نفسها إلى دمجها مع الإدراك والتخطيط واتخاذ القرار، بحيث لا يعرف الروبوت فقط كيف يتحرك مثل الإنسان، بل أيضاً متى يستخدم الحركة المناسبة لتنفيذ مهمة حقيقية بأمان وكفاءة.