تثبت الأبحاث الحديثة أن الذكاء الاصطناعي يمكن أن يلعب دورًا حاسمًا في تطوير تقنيات التحكم في الأنظمة الفيزيائية. في دراسة حديثة تم الإعلان عنها على منصة arXiv، تم تقديم وكيل علمي ذات التطور يعتمد على التعلم العميق القائم على التعزيز، مصمم لتسهيل بناء وحدات التحكم مع الحفاظ على قابلية الفهم والدقة العلمية.

تظهر هذه الآلية الجديدة كيف يمكن لوكيل العلوم استخدام نماذج اللغة الكبيرة (Large Language Models) لتوليد كودات بشكل تكراري، مما يمكّن الوكيل من إدخال استراتيجيات مرشحة في محاكاة فيزيائية. بدلاً من تعديل الأوزان التقليدية، يقوم الوكيل بتشخيص سلوكيات ديناميكية عبر أدلة متعددة الوسائط، ويترجم هذا إلى تحسينات مستمرة في الكود.

تم تطبيق هذا الإطار على مشكلة تفاعل الهيكل السائل غير الخطي، حيث تم تكليف سمكة كلب ذات مفاصل متحركة بالتحرك نحو هدف باستخدام تسارع زاوي فقط. انطلقت المهمة من سياسة دفع ابتدائية تعاني من انحياز توجيهي، ليكتشف الوكيل بشكل تلقائي ويطور وحدة تحكم موحدة تحقق جميع الأهداف التقليدية.

والأكثر إثارة، أن استراتيجية التحكم المصممة قد عممت بنجاح لتتناسب مع أهداف ثابتة غير مرئية ومسطحات متحركة بشكل ديناميكي، دون الحاجة إلى إعادة تدريب أو فروع محددة للأهداف. ترسم السجلات القابلة للتدقيق هيكلاً تحكمًا ناشئًا يعتمد على الدفع بموجات متحركة وتوجيه الأهداف بتوجيه الجسم واستجابة الزاوية.

تشير هذه النتائج إلى أن التحول من الأدلة الفيزيائية إلى سياسة تحكم رياضية وموثوقة ممكن تمامًا، مما يعزز من أهمية الوكلاء العلميين المستقلين في تحقيق اكتشافات علمية قابلة للتتبع.