في الآونة الأخيرة، ظهرت نماذج اللغات الضخمة (Large Language Models) كأداة مهمة في مجالات عدة، ولكن ماذا عن استخدامها في الروبوتات والتخطيط الحركي؟ قامت دراسة منهجية جديدة بتسليط الضوء على إمكانيات هذه النماذج في تخطيط المهام وحركة الروبوتات باستخدام نظام PDDLStream.

على الرغم من معرفة الباحثين بأن نماذج اللغات الضخمة يمكن أن تحل بعض مشكلات التخطيط، إلا أن الفهم العميق لمدى قدرتها في الروبوتات لا يزال قيد التطوير. تتجه الأنظار نحو الدمج بين المعرفة الدلالية لهذه النماذج والقدرات الرسمية لتخطيط المهام والحركة (Task and Motion Planning أو TAMP).

ومع ذلك، يواجه الباحثون تحديات عديدة عند تصميم أنظمة تجمع بين LLMs وTAMP. في هذا الإطار، قام الفريق بتطوير 16 خوارزمية تستخدم نماذج اللغات الضخمة كبديل لعناصر أساسية في TAMP.

لقد أظهرت التجارب التي أجريت على أكثر من 13750 تقييمًا عبر ثلاث مجالات مختلفة أن المخططات المعتمدة على نماذج اللغات الضخمة تُظهر معدلات نجاح أقل وأوقات تخطيط أطول مقارنة بالأنظمة الهندسية التقليدية. كما لوحظ أن توفير التفاصيل الهندسية يؤدي إلى زيادة أخطاء التخطيط بالمقارنة مع الأوصاف المباشرة باستخدام PDDL.

علاوة على ذلك، أظهرت النسخ الأسرع من نماذج اللغات الضخمة أداءً أفضل في معظم الحالات مقارنةً بالنسخ التي تعتمد على التفكير البطيء. للمزيد من المعلومات، يمكنكم الاطلاع على الكود والنتائج المتاحة عبر الرابط: https://github.com/jorge-a-mendez/llm-pddlstream.

ما رأيكم في استخدام الذكاء الاصطناعي في الروبوتات وتخطيط المهام؟ شاركونا في التعليقات!