«برامج صن» ونظام «كوافو»: توحيد التحكم الرمزي والتعلم الآلي لتدريب الروبوتات دون عروض بشرية

ظل تدريب الروبوتات على أداء المهام المعقدة وطويلة المدى محكومًا بفجوة تقنية بين مسارين: أنظمة التحكم المبنية على النماذج الفيزيائية التي تنفذ أهدافًا هندسية محددة بدقة، والسياسات المعتمدة على التعلم الآلي التي تحول تلك السلوكيات إلى استجابات تفاعلية سريعة. هذه الفجوة أدت طويلًا إلى إهدار دلالات المهام الأصلية، وفرضت الاعتماد على هندسة يدوية معقدة لدوال المكافأة، مع حدوث انحراف تدريجي في سلوك الروبوت عن مسارات التحكم المخططة.

يقدم بحث جديد إطار «برامج صن» (SUN Programs) ونظام «كوافو» (Kuafu) لمعالجة هذا الانقسام عبر صياغة برامج تنفيذية موحدة دلاليًا. يتيح هذا النهج تعريف العلاقات الهندسية والتلامسية لمرة واحدة فقط، ثم تحويلها وتجميعها تلقائيًا إلى تكاليف متوافقة مع نظام التحكم التنبؤي بالنماذج (MPC)، ومحددات إنجاز المهام، ومكافآت التعلم المعزز، وحواجز الانتقال بين المراحل، وأدوات التشخيص الدقيق.

يعتمد نظام «كوافو» على منظومات الرؤية واللغة التوليدية لتركيب برامج «صن» آليًا انطلاقًا من الأوامر اللغوية ودلالات المشهد المحيط، ثم يقوم بفحص جدواها الحركية عبر التحكم التنبؤي، مع الحفاظ على الدلالات الأصلية طوال مراحل تدريب السياسات المشروطة. وفي اختبارات شملت تسع مهام روبوتية متنوعة، حقق النظام معدل نجاح كلي بلغ 82.03%، متفوقًا بفارق شاسع على خطوط الأساس التقليدية مثل نماذج المكافآت المتفرقة التي حققت 35.67%، والاستنساخ السلوكي للمراحل الذي سجل 24.75%.

وعلى صعيد التوسع والإنتاجية، تمكن النظام عند تشغيله على نطاق متوازٍ يصل إلى 8192 مسارًا من توليد زمن مسارات ناجحة لكل ساعة بمعدل يفوق التشغيل البشري عن بعد بنحو 10.57 ضعفًا. وعند استخدام 500 مسار فقط لكل مهمة، نجحت البيانات المولدة عبر «كوافو» في تدريب سياسات «دي بي 3» (DP3) لتسجل نسبة نجاح بلغت 46.0% في المحاكاة، ونحو 34.7% عند نقلها واختبارها مباشرة على أذرع روبوتية فيزيائية فعلية من طرازي «فرانكا» و«كينوفا» دون الحاجة لعروض توضيحية بشرية أو مكافآت يدوية كثيفة.

هذا التحول يمس جوهر معادلة التكلفة والتشغيل في مشاريع الأتمتة الصناعية واللوجستية في المنطقة العربية. فالاعتماد التقليدي على مشغلين بشريين لتسجيل آلاف الساعات من العروض التوضيحية عبر منصات التحكم عن بعد كان يمثل العائق المالي والزمني الأكبر أمام نشر الروبوتات في المستودعات ومصانع التجميع المتقدمة في الخليج ومصر. الانتقال إلى خطوط إنتاج برمجية تجمع بين التخطيط الرمزي والتوليد التلقائي للبيانات يتيح للفرق الهندسية المحلية تدريب أذرع الروبوت على خطوط الإنتاج بتكلفة عتادية متواضعة، ويحول مهارة الأتمتة من جمع البيانات الميداني الشاق إلى ضبط التوصيف الدلالي للمهام في بيئات المحاكاة.