بيئة التشغيل REA ترفع نسبة نجاح مهام LIBERO-Pro إلى 95,9% مقابل 94,7% لأفضل وكيل

تتميز النماذج الكبيرة بقدرتها على الاستدلال، لكنها بطيئة ومكلفة أكثر من أن تتحكم مباشرة في الذراع الروبوتية. أما السياسات السريعة، مثل نماذج VLA ووحدات التحكم في الجسم بالكامل، فتستجيب في أجزاء من الثانية، لكنها ضعيفة في التعميم. يقترح فريق من جامعة سنغافورة الوطنية وجامعة UC Berkeley وجامعة طوكيو وجامعة هونغ كونغ للعلوم والتكنولوجيا ومراكز أخرى نظام REA (Routed Embodied Agent)، وهو بيئة تشغيل موحّدة يعمل فيها «الدماغ» و«المخيخ» بصورة غير متزامنة. وعلى 3000 حلقة اختبارية موزعة على 60 مهمة في LIBERO-Pro، حقق النظام نسبة نجاح بلغت 95,9%، متفوقًا على أفضل وكيل منفرد، وهو Agents SDK + GPT-6 (94,7%).

لماذا تفشل صيغة «الوكيل + السياسة السريعة»؟

يبدأ المؤلفون بأرقام تكلفة الوكيل القائم على الاستدلال. فقد استغرق وكيل البرمجة في المتوسط 43 دقيقة لكل مهمة من مهام LIBERO، واستهلك خط المعالجة Codex + GPT-6 ما مقداره 89 مليون رمز إدخال لتوليد البرامج الخاصة بمهام LIBERO-Pro الستين. كما أن استخدام النموذج كوحدة تحكم مباشرة لا ينجح أيضًا: فعند إخراج رموز مفردة أو أوامر IK ديكارتية، حلّ النموذج حلقة واحدة من 1987 وصفرًا من 600 حلقة. وفي المقابل، تتراجع نماذج VLA التي تتجاوز 90% على LIBERO العادي تراجعًا ملحوظًا على مجموعة LIBERO-Pro المضطربة.

ويؤدي الربط البسيط بين المستويين إلى مشكلتين شائعتين. فإذا استدعى الوكيل السياسة السريعة وانتظر ردها، يتوقف الروبوت عن العمل: إذ استهلك الوكيل المستشار، الذي ينتظره الموجِّه، 2,6 ثانية في الحلقة الواحدة، أي نحو 20% من زمن التحكم. وإذا لم تستدعِ السياسة السريعة الوكيل إلا عند الخطأ، فلا يفيد ذلك أيضًا: فالخطأ المستمر يشغّل «الدماغ» مرارًا وتكرارًا، بينما لا تسبب معظم الإخفاقات أي استثناء أصلًا. فالموجِّه المعتمد على مُشغِّل الاستثناءات صعّد الحالة 6 مرات فقط في 590 حلقة، مع أن 166 حلقة منها انتهت بالفشل. كما أن إعادة التشغيل خطرة أيضًا: فإذا كانت المهمة قد حُلّت بالفعل، فقد تُلغي النتيجة.

ثلاثة مستويات و«قاعدة ذهبية»

يقوم REA على قاعدة مفادها أنه لا توجد سياسة قيد التنفيذ تنتظر الدماغ. والنظام ثلاثي المستويات. System 2 هو الوكيل الذي يولّد السياسات دون اتصال أو أثناء التشغيل، ويقدّم النصائح أو يصدر الأحكام. System 1 هو «الموجِّه المتجسّد»: لا يُصدر أفعالًا بنفسه، بل يقرر أي سياسة تُشغَّل ومتى يُستدعى الوكيل. System 0 هو السياسات السريعة: برامج مجمّدة أو نماذج VLA أو وحدات تحكم في الجسم بالكامل، تعيد التحكم عند حدود المقاطع (على سبيل المثال، يُوقَف البرنامج مؤقتًا كل 100 خطوة).

ويعتمد الموجِّه على ثلاث آليات:

• Route memory (ذاكرة المسارات). قبل التقييم، تُشغَّل كل سياسة على حلقات تطويرية منفصلة، ويُسجَّل معدل نجاحها ومتوسط عدد خطواتها. وعند الاختبار، يتحول اختيار السياسة إلى بحث عادي في جدول، دون استدعاء الوكيل.
• Judge gate (بوابة الحكم). عندما تعيد السياسة التحكم، يقارن نموذج بصري يعمل حكمًا، وبالتوازي، الإطار الأولي والإطار الحالي بالتعليمات، ويقرر ما إذا كانت المهمة قد حُلّت. فإذا كانت قد حُلّت، يتوقف النظام ولا يفسد النتيجة الجاهزة. وبهذه الطريقة تُكتشف الإخفاقات «الصامتة» التي لا تصاحبها استثناءات. وقد جُمّدت عتبة الحكم والموجِّه النصي (prompt) الخاص به على 216 مثالًا موسومًا قبل الاختبارات.
• سلّم التصعيد بميزانية مشتركة. تُشغَّل السياسات التالية انطلاقًا من الحالة الراهنة، وتستهلك جميع عمليات التشغيل واستدعاءات الدماغ ميزانية واحدة من الخطوات والوقت، فلا تتجاوز الحلقة ميزانية سياسة منفردة.

ماذا أظهرت التجارب

وفق بيانات المؤلفين، كان REA أسرع الطرق التي جرى قياسها، وبقي ضمن حدود 1% من «الأوراكل بأثر رجعي» الذي يختار أفضل سياسة لكل مهمة بعد وقوعها. وفي نص الورقة، يقل زمن التحكم في REA بنسبة 17% عنه في Agents SDK + GPT-6، وبنسبة 25% عنه في المستشار الحاجب. أما في الملخص فيُذكر أن انخفاض زمن التحكم وعدد الخطوات هو 17% و25% على التوالي.

وفي دراسة منفصلة على RoboTwin 2.0 (50 حلقة نظيفة و50 حلقة عشوائية)، سجّل REA مع سياسات VLA نسبة 84%، ومع VLA والشيفرة البرمجية 86%. أما أقوى نموذج VLA منفرد، وهو MEDex، فسجّل 80%. وفي BEHAVIOR-1K حلّ النظام 27 حلقة من 50 مقابل 25 للوكيل المبني على Agents SDK، لكن المؤلفين أنفسهم يشيرون إلى أن الفرق غير ذي دلالة إحصائية. وفي اختبار على 200 مشهد من RoboTwin، بلغت النتيجة 97/200 مقابل 75/200 لـ Codex CLI. وعلى الروبوت البشري الحقيقي Unitree G1، اقترب الروبوت من الكرسي ودفعه في 8 محاولات من أصل 10.

القيود

تحققت معظم النتائج في المحاكيات، أما التجربة الواقعية فاقتصرت على عشر محاولات في مهمة واحدة. والتفوق على LIBERO-Pro يبلغ نحو 1,2 نقطة مئوية، ولذلك تبرز أهمية حجم العينة والاختبارات الإحصائية المزدوجة التي يطبّقها المؤلفون. ولا يزال الوكيل هو من يُعدّ مجموعة السياسات دون اتصال، ولذلك لا تختفي تكلفة توليد البرامج. ومع ذلك، فالخلاصة واضحة للممارسين: ينبغي إخراج الوكيل المكلف من حلقة التحكم. فليُعدّ السياسات مسبقًا، وليعمل حكمًا عند حدود المقاطع، بينما يتولى اختيارَ السياسة موجِّهٌ رخيص يحتفظ بذاكرة للنتائج السابقة.