في دراسة جديدة مثيرة، طرح باحثون إطار TinyDSM، وهو وسيلة ثورية لتطوير المهارات في الروبوتات الصغيرة التي تعاني من قيود الموارد. يهدف هذا الإطار إلى تزويد الروبوتات، التي لا تتعدى حجمها حبة الجوز، بالقدرة على استكشاف البيئة المحيطة بها والتكيف معها من خلال التعلم الذاتي.

يعتمد TinyDSM على خوارزميات التعلم المعزز (Reinforcement Learning) التي توجه قدرات الروبوت في اكتساب المهارات وتكييفها، مستندة إلى تفاعل مع حوافز داخلية وقياسات قائمة على الكفاءة. ويسعى الباحثون إلى تحقيق حد أدنى من المهارات المبرمجة سلفًا، مع تشجيع تطوير مهارات جديدة بشكل مفتوح.

تعتبر المعرفة العامة الأساسية جزءًا أساسيًا من منهجهم، حيث تمثل نقطة انطلاق للروبوتات لتتعلم التبعيات الخاصة بالنظام بما يتناسب مع البيئة.

يعتمد الإطار على آليات تطوير مرتبطة بالحوافز الداخلية، بالإضافة إلى هيكلية معرفية تدمج المعرفة والتفكير والتعلم، وكل ذلك مع استخدام موارد محدودة. كما يستفيد من رسومات بيانية معرفية مُعتمدة ومحللات حركية لنمذجة وتقييم المهارات الحركية البسيطة والمتقدمة.

تمت تجربة هذا الإطار على الروبوت الصغير الذي يبلغ حجمه 36 سم³، والذي يعتمد على وحدة تحكم Raspberry Pi Pico 32-bit، حيث قام بتعلم المهارات الحركية الأساسية في غضون 15 دقيقة فقط، وتدرج بذكاء من حركات خطية وزاوية بسيطة إلى أنماط هندسية معقدة. ولتعزيز النتائج الفعلية، أجريت تحليلات قائمة على المحاكاة للمقارنة المنهجية بين خوارزميات التعلم ومعايير الحوافز الداخلية، مما يفتح آفاقاً جديدة لتطبيقات الذكاء الاصطناعي في المستقبل.