إطار «آر بي جي» ينقل الروبوتات من المحاكاة إلى الواقع: قفزة بنسبة النجاح إلى 95 بالمئة دون تعديل أوزان النماذج

تظل معضلة نقل النظم الروبوتية من مقاعد التدريب إلى أرض الواقع إحدى أكثر العقبات تكلفة في هندسة الذكاء الاصطناعي المجسد، حيث تتطلب مواءمة الإدراك الحسي مع آليات التحكم جهدًا بشريًا مضنيًا لتصميم المكافآت وصيانة المهارات الحركية. غير أن ورقة بحثية جديدة قدمها فريق بحثي يضم يين-جين وانغ وبيتر أبيل وشانكار ساشتري وزملاءهم، كشفت عن إطار عمل مستقل يحمل اسم «آر بي جي» أو Reconstruct, Practice, Go Real، يتيح لأنظمة الروبوتات تحسين أدائها ذاتيًا وبشكل تراكمي دون الحاجة إلى تعديل أوزان النماذج الأساسية إطلاقًا.

يعتمد الإطار على منهجية دقيقة تبدأ برصد قدرات المناولة اليدوية من مجموعات بيانات مسجلة مسبقًا دون اتصال، ثم بناء مهام تدريبية موازية لها داخل بيئات المحاكاة الافتراضية. وخلال جولات الممارسة، يوظف النظام التغذية الراجعة من التنفيذ وحالة المحاكي التفصيلية ومقاطع الفيديو المتوفرة لتشخيص مواضع الفشل، ليبتكر مهارات رمزية جديدة قابلة لإعادة الاستخدام، أو يعدل المهارات القائمة، مع إعادة صياغة التعليمات التوجيهية للنظام بناءً على تلك التحليلات التشخيصية، ثم إخضاع التعديلات لاختبارات تقييم عبر مهام متعددة قبل اعتمادها نهائيًا في مكتبة المهارات.

وعند مرحلة الاختبار، يتولى نموذج لغوي متعدد الوسائط استخدام التعليمات الناتجة ومكتبة المهارات الرمزية لإدارة التنسيق بين الإدراك البصري ومنظومة التحكم في الروبوت. وأظهرت نتائج الاختبارات على 22 مهمة مناولة معقدة بحالات تهيئة محجوبة قفزة نوعية في معدلات النجاح، حيث ارتفعت النسبة من 28.6 بالمئة بعد جولة التدريب الأولى لتصل إلى 95.0 بالمئة بعد 15 جولة من الممارسة الذاتية. وتفوقت هذه المنظومة بوضوح على النظم المرجعية المقارنة في الورقة، ومنها إطار ASPIRE الذي سجل 75.5 بالمئة، ونموذج CaP-Agent0 المدعوم بنموذج GPT-6 Astra Pro الذي حقق 60.0 بالمئة فقط.

ولم تتوقف التجربة عند حدود العالم الافتراضي، بل خضعت المنظومة لاختبارات فيزيائية حقيقية؛ فبعد إجراء معايرة قياسية وتكييف للعتاد الصلب، حقق النظام المجمد نجاحًا كاملاً في جميع التجارب الميدانية البالغ عددها 30 تجربة، بواقع عشر تجارب متتالية لكل مهمة من المهام الثلاث المختبرة عمليًا، وهو ما يؤكد متانة الجسر بين المحاكاة البرمجية والتطبيق المادي الواقعي.

هذا التحول يحمل دلالة استراتيجية مباشرة لمهندسي الأتمتة والمختبرات التقنية في الخليج ومصر، خصوصًا مع تسارع وتيرة الاستثمار في الخدمات اللوجستية وإدارة المستودعات الذكية ومشاريع التصنيع المتقدم. فالاعتماد على تنقيح المهارات الرمزية في بيئات المحاكاة بدل جمع ملايين مسارات التوجيه اليدوي يقلص الحاجة إلى البنى التحتية الحوسبية الفائقة المخصصة لإعادة تدريب الأوزان العصبية، وينقل عبء التطوير من شراء الحوسبة الضخمة إلى كفاءة تصميم بيئات المحاكاة وأدوات التشخيص المنطقي للروبوتات.