بيئة تشغيل REA ترفع نسبة نجاح الروبوتات على LIBERO-Pro إلى 95,9% وتقلّص خطوات التحكم بنسبة 25%

اقترح فريق من الجامعة الوطنية في سنغافورة وUC Berkeley وجامعة طوكيو وHKUST ومعاهد أخرى نظام REA (Routed Embodied Agent)، وهو بيئة تشغيل موحّدة يعمل فيها «دماغ» بطيء قائم على نموذج كبير مع «سياسات ردود فعل» سريعة بشكل غير متزامن. والقاعدة الرئيسية في النظام: لا تنتظر أي سياسة قيد التنفيذ الدماغ. وفي 3000 حلقة اختبار موزعة على 60 مهمة من LIBERO-Pro (نسخة من معيار المناورة والتحكم باليد الروبوتية بمجموعة اختبار مضطربة) حقق REA نسبة 95,9% من الحلقات الناجحة مقابل 94,7% لأقوى خط أساس منفرد، وهو Agents SDK + GPT-6. وانخفض عدد خطوات التحكم في الوقت نفسه بنسبة 25%، وانخفض زمن التحكم بنسبة 17%.

ثلاثة مستويات بدل حلقة تحكم واحدة

تجيد النماذج الكبيرة الاستدلال، لكنها بطيئة ومكلفة أكثر من أن تؤدي دور المتحكّم. أما سياسات VLA السريعة ومتحكّمات الجسم الكامل، مثل SONIC، فهي دقيقة في ردود فعلها لكنها ضعيفة في التعميم. وتنقسم بنية REA إلى ثلاث طبقات. System 2 هو وكيل «الدماغ»: يولّد السياسات دون اتصال (وهي برامج Python مجمّدة)، ثم يقدّم النصائح أثناء التشغيل ويحكم على اكتمال المهمة من عدمه. System 1 هو الموجّه، الذي لا يصدر أفعالًا بنفسه، بل يقرّر أي سياسة يشغّلها ومتى يلجأ إلى الدماغ. System 0 هي السياسات السريعة: برامج أو نماذج VLA أو متحكّمات للجسم الكامل، وتعمل بوتيرتها الخاصة وتعيد التحكم إلى الموجّه عند حدود المقاطع.

يعتمد الموجّه على ثلاث آليات. الأولى ذاكرة المسارات: قبل التقييم تُشغَّل كل سياسة على حلقات التطوير، ويُسجَّل معدل نجاحها وتكلفتها في جدول، فيتحول اختيار السياسة وقت الاختبار إلى بحث في هذا الجدول. والثانية الحَكَم عند الحدود: حين تعيد السياسة التحكم، يقارن نموذج بصري اللقطة الأولى بالحالية في ضوء التعليمات ويقرّر هل اكتملت المهمة. والثالثة سلّم التصعيد بميزانية مشتركة من الخطوات والوقت.

لماذا لا تنجح المخططات البسيطة

يبيّن المؤلفون أن الطريقتين البديهيتين للربط بين الدماغ وردود الفعل تفشلان. فإذا استدعى الوكيل سياسة سريعة وانتظر الموجّه نصيحته، يبقى الروبوت بلا عمل 2,6 ثانية في كل حلقة من LIBERO-Pro، أي نحو 20% من زمن التحكم. وإذا لم تستدعِ السياسة الوكيل إلا عند الخطأ، يمرّ معظم الإخفاقات دون أن يُلحَظ: فالموجّه المعتمد على محفّز الاستثناءات صعّد 6 مرات فقط في 590 حلقة، مع أن 166 منها فشلت. كما أن إعادة تشغيل مهمة أُنجزت بالفعل قد تُفسد النتيجة، ولذلك يحمي الحَكَم العمل المنجز أيضًا.

ولا يمكن كذلك استخدام النموذج متحكّمًا مباشرًا: ففي التجارب حلّت النماذج التي تُخرج رموزًا مفردة أو أفعال IK ديكارتية حلقة واحدة من 1987 حلقة، و0 من 600 حلقة في LIBERO-Pro. وتوليد السياسات ليس رخيصًا: بمتوسط وسيط قدره 43 دقيقة لكل مهمة في LIBERO، بينما استهلك خط المعالجة Codex + GPT-6 ما مجموعه 89 مليون رمز إدخال على 60 مهمة من LIBERO-Pro. أما نماذج VLA التي تتجاوز نتائجها 90% على LIBERO العادي، فيتراجع أداؤها بحدّة على المجموعة المضطربة LIBERO-Pro.

النتائج والقيود

اقترب REA من «العرّاف الاسترجاعي» على مستوى المهام (أي الاختيار المثالي للسياسة لكل مهمة) بأقل من 1 نقطة مئوية، وكان أسرع الأساليب التي قيس زمنها: زمن تحكم أقل بنسبة 17% من Agents SDK + GPT-6، وأقل بنسبة 25% من المستشار الحاجب. ويضيف الحَكَم عند الحدود جودة مقارنة بمحفّز الاستثناءات، لكنه يستهلك وقتًا أكبر بمقدار 2,1 مرة لكل نجاح.

وفي دراسة منفصلة على RoboTwin 2.0 (50 حلقة نظيفة و50 حلقة عشوائية)، حقق REA مع سياسات VLA نسبة 84%، ومع إضافة الكود 86%؛ بينما حصل أقوى خط أساس منفرد من نوع VLA، وهو MEDex، على 80%. وتعمل السياسات المدرَّبة والبرمجية في بيئة تشغيل واحدة. وعلى BEHAVIOR-1K حلّ النظام 27 حلقة من 50 مقابل 25 لوكيل مبني على Agents SDK، لكن المؤلفين يشيرون إلى أن الفرق غير ذي دلالة إحصائية. وعلى عيّنة أخرى من RoboTwin سجّل REA 97 من 200 مقابل 75 لـ Codex CLI. وعلى الروبوت الشبيه بالإنسان الحقيقي Unitree G1 وصل الروبوت إلى الكرسي ودفعه في 8 من 10 محاولات.

وهذه هي التحفظات. فالمكسب الأساسي على أفضل سياسة منفردة في LIBERO-Pro يبلغ 1,2 نقطة مئوية، ويرتبط جزء كبير من الأثر بالكفاءة: خطوات ووقت أقل. وتُضبط ذاكرة المسارات على حلقات التطوير قبل الاختبارات، ويتكوّن مجمّع السياسات من برامج كتبتها وكلاء برمجة، ولذلك تعتمد النتيجة على جودة هذا المجمّع. والاستنتاج العملي لمطوّري الروبوتات: من الأجدى بناء الربط بين «النموذج الكبير والسياسات السريعة» على هيئة مُوزِّع يستند إلى إحصاءات مقيسة مسبقًا، بحيث يُستدعى النموذج المكلف نادرًا وخارج المسار الحرج.