DONIC يعلّم سياسة واحدة التحكم في يدين: نجاح بنسبة 86,79% دون إعادة تدريب

أصدر فريق من الباحثين DONIC، وهي سياسة موحدة للتحكم في يدين روبوتيتين بارعتين تتتبعان الحركات البشرية أثناء العمل مع الأجسام. وتتعامل نقطة تحقق (checkpoint) واحدة، دون أي إعادة تدريب، مع 86,79% من المسارات غير المألوفة على أجسام مألوفة، ومع 57,32% على أجسام لم تظهر في التدريب. وهذا يتجاوز أفضل خطوط الأساس (baselines) القائمة في التتبع بيدين بفارق 77,36 و45,73 نقطة مئوية على التوالي.

إذا طرحنا الفارق من النتيجة، يتبين أن المنافسين حققوا نحو 9% على الأجسام المألوفة ونحو 12% على الأجسام الجديدة. أي أن التتبع بيدين ظلّ حتى الآن عند مستوى قريب من «لا ينجح تقريبًا أبدًا».

لماذا يصعب التحكم في يدين أكثر من يد واحدة مضروبة في اثنين

تطور تتبع الحركات المرجعية لليدين البارعتين حتى الآن حول يد واحدة ومجموعة ضيقة من أنماط التفاعل. أما الواقع فمختلف: فتح غطاء، أو إمساك علبة من الأسفل والجانب، أو نقل جسم من راحة إلى أخرى. كل ذلك يتطلب أن تؤدي اليدان أدوارًا مختلفة وتتبادلاها في الوقت المناسب.

وهنا مشكلتان. الأولى أن البيانات عن المناورات ثنائية اليد الغنية بالتلامس قليلة جدًا. والثانية أن تعقيد تنسيق نقاط التلامس يزداد بحدّة مع كل يد إضافية: فخطأ في إحدى اليدين يفسد إمساك الأخرى. لذلك لم يكن هناك حتى الآن متتبّع شامل لليدين.

BiHOI: البيانات التي كانت ناقصة

بدأ المؤلفون بمجموعة البيانات. BiHOI مجموعة متعددة زوايا التصوير تضم 1575 تسلسلًا و229 جسمًا، وتركّز على التفاعل المطوّل بكلتا اليدين لا على اللمسات القصيرة. وتُحوَّل التفاعلات المعاد بناؤها من الفيديو إلى مراجع للروبوت (retargeting)، أي تُترجم الحركات البشرية إلى مسارات تستطيع اليد الروبوتية تنفيذها. وقد دُرّب DONIC في وقت واحد على فئات مختلفة من العمليات وعلى مصادر مختلفة للحركة البشرية، وهذا المزيج مهم للتعميم.

حلقة يتعلم فيها الروبوت من نجاحاته

يقوم التدريب على الجمع بين proximal policy optimization وbehavioral cloning. وتعمل الطريقتان في حلقة تغذية راجعة: التنفيذات التي اجتازت اختبار النجاح تعود إلى التدريب بوصفها عروضًا توضيحية. فتُثري السياسة بنفسها مجموعة الأمثلة الجيدة.

ويتعلق قراران آخران بالمكافآت وتقدير الأفضلية:

• Object-centered per-hand reward. ترتبط المكافأة بحركة الجسم، ولذلك تبقى التغذية الراجعة عمّا يحدث للجسم قائمة. وفي الوقت نفسه تُقيَّم كل يد وفق دورها في التلامس ضمن المرجع.
• Clip-Centered Advantages. تزيل هذه الطريقة انحيازات الأفضلية المرتبطة بمرجع بعينه، لكنها تُبقي الفروق داخل المسار الواحد. والمنطق أن المقاطع تختلف كثيرًا في صعوبتها، ومن دون هذا التمركز كان التدريب سينجذب نحو المقاطع السهلة.

وتتيح هذه القرارات معًا لسياسة واحدة إتقان مناورات منسقة على مراجع غير متجانسة.

أبرز المعطيات

• أول متتبّع شامل بيدين، دُرّب في آنٍ واحد على عدة فئات من العمليات ومصادر الحركة
• BiHOI: 1575 تسلسلًا، و229 جسمًا، وزوايا تصوير متعددة
• نجاح بنسبة 86,79% على مسارات جديدة لأجسام مألوفة
• 57,32% على أجسام مستبعدة من التدريب (held-out)
• الفارق عن أفضل خطوط الأساس: 77,36 و45,73 نقطة مئوية
• نقطة تحقق (checkpoint) واحدة، دون إعادة تدريب

من سيستفيد منه أولًا

يفيد أولًا من يبنون روبوتات شبيهة بالبشر ومناورات ذات أيدٍ بارعة. فالعائق ليس العتاد، بل البيانات والتحكم: فإذا أمكن ترجمة العروض البشرية بموثوقية إلى مراجع لليدين، وكانت سياسة موحدة تنفّذها، يصبح جمع البيانات عبر الفيديو والتشغيل عن بُعد (teleoperation) خط إنتاج عمليًا. ويمكن أن تعمل هذه السياسة منفّذًا منخفض المستوى، ويوضع فوقها مخطِّط أو نموذج لغوي يحدد ما الذي ينبغي فعله تحديدًا.

وتظهر حدود النتيجة في الأرقام أيضًا. فنسبة النجاح على الأجسام الجديدة 57,32%، أي أن النظام لا يزال يخطئ تقريبًا في كل حالة ثانية. وهذا لا يكفي للإنتاج الصناعي أو للمنزل، لكنه نتيجة قوية بوصفها أساسًا بحثيًا ومرجعًا للتعميم. فقد صار بالإمكان الآن قياس التعميم على شكل الأجسام غير المألوفة ووزنها وتحسينه، على مجموعة بيانات مشتركة ومع خط أساس واضح.