OpenGrall يعرض وضع «المهندس»: الروبوت يكتب برامج التشغيل ويضبط الوحدات بنفسه

وصفت OpenGrall وضع "المهندس" — وهي عمارة يمكن للروبوت من خلالها إنشاء إضافات وكتابة برامج تشغيل وتكييف الكود مع أجهزة جديدة بناءً على أوامر نصية. الفكرة ليست عن استقلالية كاملة بأي ثمن، بل عن تفويض المهام المتكررة المتعلقة بالتكامل إلى نموذج لغوي كبير مع الحفاظ على السيطرة البشرية.

كيف تعمل الأدوار

في مشروع OpenGrall، ينقسم ذكاء الروبوت إلى دائرتين. "الطيار" هو نموذج محلي يعمل على متن الجهاز ويتخذ القرارات بسرعة ويدير الحركة في الوقت الفعلي. يرى أجهزة الاستشعار ويقرأ ملفات المشروع ويمكنه تحديث الذاكرة، لكن ليس لديه الحق في تغيير كود النظام.

هذا الوضع ضروري لكي لا يعتمد الروبوت على السحابة في المهام الأساسية ولا يكسر منطقه الخاص أثناء التشغيل الطبيعي. يتم تفعيل "المهندس" فقط عند الطلب أو عندما تتطلب مهمة ما الوصول إلى أدوات التطوير. هذا نموذج لغوي كبير في السحابة يحصل على الوصول إلى كود المشروع والتكوينات والتوثيق.

لا يقتصر الأمر على توليد الكود بشكل عشوائي، بل يعمل كعامل منفصل: يدرس بنية الإضافات ويبحث عن أمثلة ويحرر الملفات وينفذ الكود في صندوق رمل ويطرح أسئلة توضيحية على المالك. إذا كان الأمر يبدو وكأنه "استدر إلى اليسار"، يعمل الطيار؛ إذا كان يبدو وكأنه "اضبط المتحرك"، تنتقل المسؤولية إلى المهندس.

كيف يعمل المهندس

الفكرة الرئيسية للوضع هي عدم كتابة كل شيء يدويًا لكل وحدة جديدة. إذا تم توصيل كاميرا سيرفو على ESP32 بالروبوت عبر WebSocket على سبيل المثال، يحتاج المالك فقط إلى وصف الجهاز والأوامر المتاحة في ملف وصف ذاتي. بعد ذلك، يقرأ المهندس المشروع ويقارن الإضافات الموجودة وينشئ وحدة جديدة للأجهزة المحددة. جمعت OpenGrall مجموعة منفصلة من الأدوات لهذا الغرض:

• البحث عن التوثيق والأمثلة العملية على الويب
• قراءة المقالات والمواصفات وملفات المشروع
• تحليل بنية الدلائل والإضافات الموجودة
• تحرير الكود المستهدف وإنشاء ملفات جديدة
• تشغيل واختبار الكود المكتوب في صندوق رمل معزول

بعد ذلك يأتي ليس "السحر بضغطة زر واحدة" بل دورة تطوير محكومة. أولاً، ينشئ النموذج هيكل فئة ويمكن أن يظهره لإنسان قبل إنشاء الملف الكامل. بعد ذلك، تُملأ الطرق خطوة بخطوة في وضع البث لتجنب إعادة توليد الوحدة بأكملها وفقدان السياق.

للمعايرة، يمكن للمهندس إشراك إنسان في الحلقة: طلب وضع جسم أمام الكاميرا أو قياس المسافة إلى الهيكل أو تأكيد وصول المحرك إلى الزاوية المطلوبة. هذا مهم بشكل خاص حيث يكون الوصف النصي وحده غير كافٍ. يراهن المؤلف ليس فقط على توصيل وحدات جديدة بل أيضًا على إعادة هيكلة أعمق للنظام.

تعطي المقالة مثالاً على الملاح: يمكن استبدال الإصدار اليدوي الأساسي بحوالي 1500 سطر من الكود بتطبيق أوسع بكثير مع مسارات سلسة وإعادة توجيه ديناميكية وحركات أقل فجأة. بعبارة أخرى، لم نعد نتحدث عن توليد برنامج تشغيل واحد، بل عن منح الروبوت أداة لإعادة كتابة أنظمته الفرعية الخاصة لمهمة جديدة.

"القرار النهائي يبقى للإنسان."

تُحافظ على الأمان من خلال ثلاث آليات بسيطة: صندوق رمل لتنفيذ الكود والنسخ الاحتياطية التلقائية قبل كل تغيير والتوليد خطوة بخطوة مع التحقق من النتائج. يتم تنفيذ الكود بحد زمني وبدون استدعاءات النظام وتُنشأ نسخة من الملف قبل التحرير والدمج في الدورة الرئيسية لا يحدث تلقائيًا. حتى لو أخطأ النموذج أو سار في مسار معماري خاطئ، يمكن للإنسان إيقاف العملية والتراجع عن التغييرات واتخاذ القرار النهائي يدويًا.

حدود النهج

يقول مؤلفو OpenGrall بشكل مباشر أنه لا يجب تثالية الكود الأول المُولد. للنماذج اللغوية الكبيرة نفس المشاكل المزمنة: واجهات برمجية قديمة وتبعيات غير ضرورية وأغلفة غير صحيحة وعدم توافق مع البيئة. الفرق الوحيد هو أن العامل يمكنه قراءة السجلات وإعادة تشغيل الاختبارات وإجراء تصحيحات بنفسه حتى تعمل الوحدة. لكن في الممارسة العملية، قد يستغرق هذا التصحيح المستقل لا دقائق بل ساعات من الوقت الفعلي، خاصة إذا كان الأجهزة غير قياسية أو كانت التوثيق خاما.

هناك أيضًا قيود معمارية أكثر صرامة. لضبط المتحرك أو الكاميرا أو الليزر، هذا الوضع منطقي: يرى النموذج الوصف ويفهم هندسة المهمة ويمكنه تجميع واجهة عملية على الأوامر الموجودة. لكن للتحكم في مشية سداسي الأرجل أو مهام أخرى ذات متطلبات صارمة للسرعة والقدرة على التكيف، الكود Python المُولد ذاتيًا وحده غير كافٍ. وفقًا للمؤلف، هناك حاجة إلى نهج أخرى هناك — على سبيل المثال TinyML والتعلم في المحاكاة، حيث يتم تطوير السلوك من خلال ملايين التكرارات، وليس كتابته بسطحية بناءً على طلب نصي.

ماذا يعني هذا

يوضح OpenGrall تحولاً مثيراً للاهتمام: يبدأ الروبوت بأن يُنظر إليه ليس كجهاز برمجته ثابتة بل كمنصة يمكن تدريبها بشكل أعمق وتوسيعها بأوامر نصية. الروبوتات المستقلة تماماً لا تزال بعيدة، لكن لتكامل أجهزة الاستشعار والإضافات والأنظمة الفرعية الفردية، يمكن لمثل هذا "المهندس" بالفعل تقليل كمية العمل اليدوي بشكل كبير — شريطة أن يبقى المفتاح النهائي في يد الإنسان.