«مترو دبليو إم»: معمارية تخطيط جديدة تكسر عجز روبوتات الذكاء الاصطناعي عن تحقيق المهام الطويلة

تكشف دراسة بحثية جديدة نشرها باحثون بقيادة رويسن لي وفادي رزق وتيتوان باركوليه وتيموثي هوسبيديلز وكريستينا كورنيليو عبر منصة أركايف، عن معالجة جذرية لخلل هيكلي يلازم نماذج التخطيط الذاتي في أنظمة الذكاء الاصطناعي التنبؤية. الورقة التي حملت عنوان «مترو دبليو إم: التخطيط الكامن بعيد المدى عبر أهداف فرعية قابلة للتحقيق»، تضع يدها على معضلة طالما قيدت استخدام معماريات التضمين المشترك التنبؤية، المعروفة اختصاراً بـ جيبا (JEPAs)، والمقترنة بالتحكم التنبؤي بالنماذج. فرغم قدرة هذه المعماريات العالية على قيادة الوكلاء الذكيين نحو أهدافهم دون تدريب مسبق في المهام قصيرة المدى، إلا أنها تفقد فاعليتها تماماً عندما تتطلب المهمة تخطيطاً ممتداً عبر مسافات زمنية طويلة.

محاولات التخطيط الهرمي السابقة كانت تعالج المشكلة عبر مدخل معيب، يتمثل في توليد أهداف وسيطة مستحيلة فيزيائياً في الفضاء الكامن. فقد جرت العادة في الحلول الهرمية على تصميم مخطط كلي يتولى اقتراح أهداف فرعية مجردة لتوجيه المخطط الجزئي التنفيذي. غير أن تقييماً دقيقاً أجراه الباحثون أثبت أن أفضل النماذج الهرمية المتطورة تولد بصورة روتينية أهدافاً وسيطة لا يمكن تجسيدها في الواقع الفيزيائي. هنا يأتي إطار «مترو دبليو إم» ليغير مسار المعالجة بالكامل، إذ يستبدل التوليد غير المنضبط لمتجهات الفضاء الكامن بآلية استرجاع محكمة لحالات حقيقية مستمدة من تجارب سابقة، مما يضمن أن تكون كل محطة وسيطة في مسار المهمة واقعية وقابلة للتطبيق.

يعتمد الإطار الجديد على بناء رسم بياني تشكل عُقَده لقطات وإطارات بصرية ملتقطة بالفعل، سواء من مسارات مسجلة لخبراء أو من مسارات ذات حركات عشوائية تم جمعها مسبقاً دون اتصال بالإنترنت. وتتيح هذه البنية ربط الإطارات القادمة من تجارب وجولات مختلفة وحياكتها معاً داخل مسار متماسك يفضي إلى الهدف النهائي. ولا تتوقف مزية التخطيط فوق الرسم البياني عند تفادي التوليد الوهمي، بل تمتد لتمنح النظام مرونة فائقة أمام أخطاء التنفيذ الميدانية. فإذا انحرف المخطط الجزئي عن مساره بفعل عقبة فيزيائية، يعيد «مترو دبليو إم» فوراً حساب مسار مثالي جديد ينطلق من الحالة الراهنة دون ارتباك أو فشل للمهمة.

الأرقام التجريبية تمنح هذا النهج تفوقاً تشغيلياً وحسابياً حاسماً على أفضل الحلول الهرمية القائمة. فقد سجل الإطار ارتفاعاً في معدلات نجاح التخطيط بعيد المدى وصل إلى 37.33 نقطة مئوية مقارنة بأقرب منافس، مع اختصار زمن التنفيذ ليكون أسرع بما يصل إلى 10.9 مرات. وإلى جانب ذلك، خفض الإطار الجديد متطلبات الحوسبة غير المتصلة بالإنترنت بمقدار تراوح بين 13 و56 ضعفاً، مع تقليص الحاجة إلى ضبط المعاملات الفائقة. وأظهر التحليل أن المسارات التي يرسمها النظام أقصر من مسارات العروض التوضيحية الأصلية، وتتفوق حتى على نظام افتراضي يستند إلى عرض التجربة نفسها، محتفظاً بأداء ثابت وقوي حتى في ظل شح شديد في مجموعات البيانات المتاحة.

لهذا التحول الهندسي صلة مباشرة بمن يقود مشاريع الأتمتة والروبوتات في الخليج ومصر والمنطقة، لا سيما في مستودعات التجارة الإلكترونية، والموانئ اللوجستية، وخطوط الفرز الصناعي. فالفرق الهندسية التي تعمل على دمج الذكاء الاصطناعي الفيزيائي في بيئات العمليات تواجه عادة كلفة حوسبة باهظة لتدريب الروبوتات وتعديل سلوكها، إلى جانب تعطل الأنظمة كلما واجه الروبوت انزلاقاً حركياً أو تبدلاً في مسار الحركة الطويل. خفض كلفة الحوسبة بأكثر من خمسين ضعفاً والاعتماد على عينات تجريبية متفرقة يغيران جدوى بناء أنظمة التحكم محلياً، ويتيحان تشغيل أساطيل من الروبوتات والآليات الذاتية بقدرة فورية على تصحيح مسارها دون الحاجة إلى بنية استدلال سحابية فائقة أو إعادة تدريب مكلفة.

إن الانتقال من التوليد النظري للأهداف الكامنة إلى الاسترجاع المقيد بالحالات الواقعية يثبت أن كفاءة نماذج العالم لا تتطلب حتماً تكبير النماذج، بل تتطلب ضبط حدود ما تطلبه النماذج من العالم المادي. وإذا كنت تعمل على بناء وكيل آلي أو نظام تنقل ذاتي، فإن رسالة هذا البحث واضحة: اختصار المسافات الطويلة يبدأ بربط الخبرات المسجلة بحسابات مسارات دقيقة، وليس بترك النموذج يتخيل حالات فيزيائية لا أساس لها على أرض الواقع.