دراسة جديدة: روبوتات ذكية يمكنها تشكيل فرق عمل وتنفيذ المهام بكفاءة أعلى
ابتكرت دراسة أجراها باحثون في جامعة ماساتشوستس أمهرستالأميركية، نموذجاً لبرمجة الروبوتات، يسمح بتشكيل “فرق عمل”، والانتظار طواعية لزملائها في الفريق حتى إتمام المهام؛ ما يؤدي إلى إكمال الأعمال بشكل أسرع، ويحسن العمل في مجالات التصنيع والزراعة وأتمتة المستودعات.
الدراسة التي نشرت خلال مؤتمر IEEE الدولي للروبوتات والأتمتة 2024، اختيرت ضمن المرشحين لجائزة أفضل ورقة بحثية حول أنظمة الروبوتات المتعددة في المؤتمر، وفق موقع techxplore.
وقال أحد مؤلفي الدراسة، هاو تشانج، الأستاذ المساعد في كلية علوم الكمبيوتر بجامعة ماساتشوستس أمهرست: “هناك تاريخ طويل من النقاش بشأن ما إذا كنا نريد بناء إنسان آلي قوي يمكنه القيام بجميع الوظائف، أو أن يكون لدينا فريق من الروبوتات يمكنه التعاون”.
وحسبما ذكر الموقع المختص بالأخبار التقنية، فإنه في بيئة التصنيع، “يمكن أن يكون فريق الروبوتات أقل تكلفة لأنه يزيد من قدرة كل روبوت. يصبح التحدي بعد ذلك: كيف يمكنك تنسيق مجموعة متنوعة من الروبوتات؟ قد يكون بعضها ثابتاً في مكانه، وبعضها الآخر متحركاً؛ وبعضها يمكنه رفع مواد ثقيلة، بينما يناسب البعض الآخر مهام أصغر”.
تابع أخبار تسلا، حيث قال الرئيس التنفيذي للشركة إيلون ماسك، إن شركته ستبدأ في “إنتاج منخفض” لروبوتات شبيهة بالبشر لاستخدامها داخل مصانعها خلال العام المقبل.
وللتوصل إلى حل، ابتكر تشانج وفريقه نهجاً قائماً على جدولة الروبوتات، يسمى التعلم من أجل الانتظار الطوعي والعمل الجماعي.
وقال تشانج: “تقوم الروبوتات بمهام كبيرة، تماماً مثل البشر. على سبيل المثال، لديهم صندوق كبير لا يمكن أن يحمله روبوت واحد. سيحتاج السيناريو إلى روبوتات متعددة للعمل بشكل تعاوني على ذلك”.
السلوك الآخر هو الانتظار الطوعي. أوضح تشانج “نريد أن يكون الروبوت قادراً على الانتظار بنشاط، لأنه إذا اختار حلاً جشعاً لأداء مهام أصغر متاحة على الفور دائماً، فلن يتم تنفيذ المهمة الأكبر أبداً”.
ولاختبار نهج الفريق البحثي في آلية الانتظار الطوعي والعمل الجماعي للروبوتات، أعطوا ستة روبوتات 18 مهمة في محاكاة كمبيوتر، وقارنوا نهجهم في الانتظار الطوعي والعمل الجماعي الفرعي بأربع طرق أخرى.
وفي هذا النموذج الحاسوبي، يوجد حل مثالي معروف لإكمال السيناريو في أسرع وقت ممكن، إذ قام الباحثون بتشغيل النماذج المختلفة من خلال المحاكاة، وقاموا بحساب مدى سوء كل طريقة مقارنة بهذا الحل المثالي، وهو مقياس معروف باسم دون المستوى الأمثل.
تراوحت طرق المقارنة بين 11.8% و23% أقل من المستوى الأمثل، بينما كانت طريقة النموذج الحاسوبي الجديدة دون المستوى الأمثل بنسبة 0.8% فقط. قال ويليارد جوزيه، المؤلف المشارك في الدراسة: “لذا فإن الحل (الجديد) قريب من أفضل حل ممكن أو نظري”.
تابع آخر الاكتشافات والدراسات العلمية، حيث يمثل تطوير الروبوتات الحيوية قفزة كبيرة في البيولوجيا التركيبية والروبوتات، ما يسمح بتصنيع آلات أكثر تكيفاً ومرونة.
لكن، كيف يؤدي جعل الروبوت ينتظر إلى جعل الفريق بأكمله أسرع؟ أجاب الموقع على هذا السؤال بطرح سيناريو “لديك ثلاثة روبوتات، اثنان يمكنهما رفع أربعة أرطال لكل منهما وواحد يمكنه رفع 10 أرطال. أحد الروبوتات الصغيرة مشغول بمهمة مختلفة وهناك صندوق يزن سبعة أرطال يحتاج إلى نقله”.
وأضاف جوزيه: “بدلاً من أن يقوم ذلك الروبوت الكبير بهذه المهمة، سيكون من الأفضل للروبوت الصغير انتظار الروبوت الصغير الآخر ثم يقومان بهذه المهمة الكبيرة معاً، لأن موارد هذا الروبوت الأكبر مناسبة بشكل أفضل للقيام بمهمة كبيرة مختلفة”.
وعند النظر إلى النماذج التي تستخدم 100 مهمة، حين يكون من الصعب حساب حل دقيق، وجدوا أن طريقتهم أكملت المهام في 22 خطوة زمنية مقارنة بـ 23.05 إلى 25.85 خطوة زمنية لنماذج المقارنة.
