LIBERO-Industry يختبر 5 سياسات روبوتية على 216 مهمة مصنعية

جمع مؤلفو LIBERO-Industry 216 مهمة تختبر السياسات الروبوتية العامة في ظروف خط التجميع: سير ناقل متحرك، ونافذة محدودة للتنفيذ، وهوامش تفاوت هندسية صارمة. وتفقد النماذج الخمسة التي خضعت للاختبار، ومنها نماذج vision-language-action ونماذج world-action، جزءًا من جودتها كلما أُضيفت القيود وتراكمت فوق بعضها. بُني المعيار فوق LIBERO الشائع، ويجيب عن سؤال تجاهلته اختبارات المختبرات: ماذا يحدث عندما يتغير المنتج ولا يتوقف السير؟

أين تفشل التقييمات المعتادة

يعمل التصنيع المرن، ولا سيما التجميع الإلكتروني بصيغة high-mix, low-volume (HMLV)، في حالة تغيّر مستمر. فالدفعات صغيرة، وتتعاقب نسخ المنتجات، وتتقلب الظروف على الخط. وعلى الروبوت هنا أن يتكيّف لا أن يكرر مسارًا واحدًا محفوظًا. ويشير مؤلفو الدراسة إلى ثغرة: أطر التقييم القائمة لا ترصد القيود الصناعية بشكل منهجي حين يتعلق الأمر بالسياسات العامة. فقد يؤدي النموذج بثقة في المهام المكتبية القياسية، دون أن يواجه ولو مرة واحدة سيرًا ناقلًا يحمل القطعة بعيدًا في ثوانٍ.

يحوّل LIBERO-Industry هذه القيود إلى شروط مهمة قابلة للتحكم ومعايير نجاح قابلة للقياس. ويمكن ضبط كل عامل على حدة أو بالجمع مع عوامل أخرى.

كيف صُمّم المعيار

تتألف المجموعة من ثلاثة سيناريوهات إنتاجية كلاسيكية. وتختلف في الطرف المتحرك من العملية: المصدر أو الوجهة أو كلاهما.

• Static-to-Dynamic (S2D): التحميل؛ يُلتقط الجسم من موضع ثابت ويُرسل إلى مسار متحرك.
• Dynamic-to-Static (D2S): التفريغ؛ يُنزع الجسم من مسار متحرك ويوضع في نقطة ثابتة.
• Dynamic-to-Dynamic (D2D): النقل بين مسارين متحركين.
• المجموع 216 مهمة.
• المعاملات المتغيرة: هندسة الجسم، وسرعة السير الناقل، ومدة نافذة التفاعل، وحجم المنطقة الهندسية المسموح بها.
• جرى تقييم خمس سياسات عامة، بينها نماذج VLA ونماذج world-action.

اختيرت المعاملات بحيث تحاكي المتطلبات الفعلية للخط. فالنافذة القصيرة تعني أن أمام السياسة وقتًا ضيقًا للإمساك بالجسم. والمنطقة المسموح بها الصغيرة تعني أن الإصابة التقريبية تُعدّ عيبًا. أما السير السريع فيجمع الضغطين معًا.

ماذا أظهرت التجارب

النتيجة الرئيسية متوقعة في اتجاهها لكنها مفيدة في بنيتها: تنخفض جودة السياسات تدريجيًا مع إدخال القيود الصناعية، وبشكل أشد عند الجمع بينها. فالتدهور لا يحدث دفعة واحدة عند عامل بعينه. إذ تتراكم القيود، وتكون التركيبات المشتركة هي الأصعب. وهذا أهم، للفرق التي تختار نموذجًا لخط إنتاج، من المتوسط العام على المجموعة الكلاسيكية.

أما النتيجة الثانية فتتعلق بالتدريب. فتحت بروتوكول موحد للتدريب الإضافي والتقييم، حقق شرط co-training مع بيانات LIBERO-Industry نسبة ملحوظة أعلى من إتمام نقل الجسم المستهدف مقارنة بشرط LIBERO الأصلي. ولا يتضمن نص الملخص أرقامًا دقيقة، ولذلك لا يمكن تقدير حجم المكسب استنادًا إليه. وهناك تحفظ آخر: لا يزال LIBERO معيارًا قائمًا على المحاكاة، ولا تُظهر الدراسة انتقال النتائج إلى عتاد حقيقي مع سيور ناقلة فعلية. يضاف إلى ذلك أن تحسّن الأداء بعد التدريب على بيانات قريبة من بيانات الاختبار أمر متوقع. والأهم هو أمر آخر: يجب أن تتضمن خلطة التدريب بيانات عن الديناميكا وهوامش التفاوت تحديدًا، لا مجرد تنوع في الأجسام والتعليمات.

الخلاصات العملية

إذا كنت تقيّم سياسة روبوتية للتصنيع، فلا تكتفِ بنجاحها في المهام الساكنة. اختبرها على محاور سرعة التدفق ومدة النافذة وحجم هامش التفاوت كلًّا على حدة، ثم في تركيبات مشتركة، لأن نقطة الضعف تظهر عادةً عند تقاطع العوامل. وعلى المطورين أن يدرجوا في مجموعات بيانات التدريب الإضافي مشاهد فيها أجسام متحركة وهوامش تفاوت ضيقة، بدلًا من الاعتماد على أن التعميم من البيانات المكتبية سيعمل من تلقاء نفسه. وأخيرًا، ينبغي عدّ الأرقام المستخلصة من المحاكاة حدًّا أدنى لمتطلبات التحقق. ويبقى الاختبار على خط إنتاج حقيقي بنسخ منتجات فعلية إلزاميًا.