---

أخبار هنا العالم - طوّر باحثون من جامعتي كاليفورنيا في بيركلي وستانفورد إطاراً جديداً للذكاء الاصطناعي يحمل اسم «BeyondMimic»، يتيح للروبوتات البشرية تعلم مجموعة واسعة من الحركات المعقدة انطلاقاً من بيانات الحركة البشرية. وتشمل المهارات التي يمكن للنظام تعليمها للروبوتات الركض والرقص والقفز والحركات القتالية والعجلات الهوائية، ونُشرت نتائج البحث في مجلة «Science Robotics».

ولا يقتصر النظام الجديد على تدريب الروبوت على تقليد حركة محددة، بل يهدف إلى تمكينه من تعلم مجموعة متنوعة من المهارات الحركية ثم دمجها واستخدامها في تنفيذ مهام جديدة لم يتدرب عليها مسبقاً. ويرى الباحثون أن هذا النهج قد يساعد في تجاوز أحد التحديات الرئيسية التي تواجه تطوير الروبوتات البشرية، والمتمثل في حاجة العديد من الأنظمة الحالية إلى تدريب أو ضبط منفصل لكل حركة أو مهمة جديدة.

واعتمد فريق البحث في تطوير النظام على نحو ساعتين ونصف الساعة من بيانات الحركة البشرية، شملت أنماطاً متنوعة مثل المشي والركض والرقص والفنون القتالية والقفزات والحركات الأكروباتية. وبعد جمع البيانات، عمل الباحثون على تكييف هذه الحركات بما يتناسب مع أبعاد ومفاصل الروبوت البشري «G1» التابع لشركة «Unitree Robotics».

واستخدم الباحثون تقنية التعلم المعزز لتدريب سياسات التحكم الخاصة بالروبوت داخل بيئة محاكاة، بحيث يتعلم النظام تتبع مواقع أجزاء الجسم واتجاهاتها وسرعاتها أثناء تنفيذ الحركات. ويحصل الروبوت خلال عملية التدريب على مكافآت كلما نجح في محاكاة الحركة المرجعية بدقة، بينما يتعرض لعقوبات عندما ينفذ حركات غير سلسة أو يضع مفاصله في أوضاع قد تكون غير آمنة.

وشملت آلية التدريب أيضاً الحد من الاحتكاكات غير المرغوبة بين أجزاء الروبوت، بما يساعد على تحسين استقرار الحركة وسلامتها. وبذلك، لا يتعلم الروبوت شكل الحركة فحسب، وإنما يكتسب أيضاً القدرة على تنفيذها بصورة أكثر اتساقاً، مع مراعاة القيود الميكانيكية لجسمه ومفاصله.

وبحسب الباحثين، مكّن هذا الأسلوب الروبوت من إتقان مجموعة من الحركات الديناميكية ضمن إطار تدريبي موحد، بدلاً من تصميم عملية ضبط مستقلة لكل مهارة. وشملت الاختبارات حركات تتطلب قدراً كبيراً من التوازن والتنسيق، بينها الركض والركلات الدورانية والركلات الهوائية والعجلات الأكروباتية.

ويعكس «BeyondMimic» توجهاً نحو تطوير روبوتات بشرية أكثر مرونة وقدرة على اكتساب المهارات الحركية بطريقة أقرب إلى التعلم البشري، بحيث يمكن نقل المعرفة الحركية من مجموعة من الأمثلة إلى مهام جديدة. وقد يمهد هذا النهج، مع تطوره، أمام روبوتات قادرة على التعامل مع بيئات ومهام أكثر تنوعاً دون الحاجة إلى إعادة تدريبها من الصفر لكل حركة أو سيناريو جديد.

---

مشاركة عبر:

---