في عالم الذكاء الاصطناعي والروبوتات، تمثل النماذج التي تجمع بين الرؤية واللغة والعمل ثورة حقيقية. بينما أثبتت هذه النماذج قدرتها المذهلة في تنفيذ المهام دون الحاجة إلى تدريب سابق، إلا أنها ما تزال تعتبر "صندوقاً أسود" يصعب تفسيره أو تعديله عند حدوث الأخطاء. ولكن الآن، يقدم لنا نموذج ARCHITECT حلاً مبتكراً.

يعتبر ARCHITECT إطار عمل جديد يعيد تعريف اكتساب سياسات الروبوتات من خلال معالجة هذه العملية كمهمة تفاعلية لصياغة البرامج. يعتمد هذا النموذج على قدرات التفكير لدى نماذج اللغات الضخمة (Large Language Models) التي تتولى مهمة صياغة برامج روبوتات موحدة وموزعة، مما يوفر مجموعة من أدوات الإدراك والتحكم. بخلاف النماذج التي تعتمد على نظام مغلق، حيث يؤدي التحول في التوزيع إلى أخطاء غير متوقعة، يسمح التصميم الموزع للمستخدمين بتحديد الأخطاء بشكل دقيق وتوجيه التغذية الراجعة في كل مستوى من مستويات التجريد المطلوبة.

يتميز ARCHITECT بعملية تكرارية، حيث يقوم مشرف بشري بتقديم تصحيحات بلغة طبيعية لتوجيه السياسات. تُعزز هذه التصحيحات من خلال تتبع تنفيذ البرنامج، مما يؤدي إلى إنشاء مكتبة مهارات مستدامة، تمثل شكلاً من أشكال التعلم على المدى الطويل. تمكن هذه المكتبة النموذج من تجميع مجموعة من السلوكيات التي يمكن إعادة استخدامها وفهمها.

خلال تقييم معيارى على روبوت Franka Panda، تفوق نموذج ARCHITECT على النماذج الأخرى الأكثر تقدماً وعلى معايير صياغة البرامج في المهام المعقدة طويلة الأمد، مثل تحريك الأشياء المعقدة وطوي الأقمشة. تُظهر نتائج التجارب كيف أن مكتبة المهارات المُصاغة تمكّن النظام من الانتقال إلى مهام جديدة بتدخلٍ إنساني أقل، مما يوفر بديلاً قابلاً للتوجيه وفعالاً من حيث البيانات للتعليم الأسود للروبوتات.

إذا كنت مهتماً بعالم الروبوتات وكيف يمكن للغة أن تؤثر على أدائها، فهذا التطور هو ما تحتاج إلى معرفته. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.