في عالم تصميم الروبوتات، تبرز الحاجة إلى الابتكار المستمر والاستفادة من التجارب السابقة لتطوير نماذج أكثر كفاءة وذكاءً. في هذا السياق، جاءت Auto-Robotist، وهي وكيل يعتمد على نموذج لغة ضخم (LLM) يهدف إلى تحويل تصميم الروبوتات إلى عملية ذكية وقابلة للتكرار.

تعتبر Auto-Robotist أداة ثورية تعالج بعض التحديات الرئيسية التي تواجه مصممي الروبوتات، حيث أن معظم العمليات الحالية تفتقر إلى الذاكرة. إذ تعمل نتائج المحاكاة على تشكيل جيل جديد من التصاميم، ولكنها لا تُحتفظ كمعرفة قابلة لإعادة الاستخدام. هنا يظهر دور Auto-Robotist، حيث تقوم بتدوين آثار البحث في أشكال محددة وتخزينها في مكتبة مهارات تعتمد على اللغة الطبيعية.

تحتوي كل مهارة على نمط هيكلي وقواعد إيجابية وسلبية مستندة إلى أدلة، بالإضافة إلى التصاميم التي تم تقييمها لدعمها. هذا يعني أن الذاكرة التصميمية تصبح مرئية وقابلة للتفتيش، بدلاً من أن تكون ضمن مجموعة من التصاميم.

خلال عملية البحث، تسترجع Auto-Robotist المهارات لتكييف تعديلات نموذج اللغة على الأجسام النخبوية، مع الحفاظ على مسار تحور عبر الخوارزمية الجينية (GA) للاستكشاف. بعد التقييم، تقوم بتحديث المكتبة عبر إضافة، تشخيص، ودمج المهارات المكتسبة.

تم اختبار Auto-Robotist في سبعة مهام مختلفة، تشمل الحركة، العبور، والتفاعل مع الأجسام، وأظهرت تحسنًا ملحوظًا بمعدل 5 أضعاف في البحث cold-start، كما أنها قادرة على نقل المهارات المكتسبة إلى مساحات تصميم أكبر.

تسلط هذه النتائج الضوء على إمكانية وكيل نموذج اللغة الضخم في تحويل التقييمات المكلفة إلى مبادئ تصميم قابلة لإعادة الاستخدام وقابلية للمراجعة، مما يمكنك من الابتكار بشكل أسرع وأكثر فعالية. برزت Auto-Robotist كنموذج مثير للاهتمام يمكن أن يشكل مستقبل تصميم الروبوتات بشكل ملحوظ.