قام فريق من الباحثين من جامعة ماساتشوستس أمهرست بتطوير طريقة جديدة لتنظيم التعاون الناجح بين الروبوتات من خلال إنشاء فرقها الخاصة والانتظار طوعًا لزملائها في الفريق، مما يؤدي إلى إكمال المهام بشكل أسرع وتحسين التصنيع والزراعة وأتمتة المستودعات.
العقل المدبر وراء هذا الابتكار هو هاو تشانغ، الأستاذ المشارك في كلية مانينغ للمعلومات وعلوم الكمبيوتر ومدير مختبر الروبوتات المتمحورة حول الإنسان. يعمل تشانغ، مع فريقه، على التغلب على التحدي طويل الأمد المتمثل في تنسيق الروبوتات المتنوعة في بيئة التصنيع. وقد أظهر الحل الذي قدمه الفريق، والذي يسمى التعلم من أجل الانتظار الطوعي وتكوين فرق فرعية ((LVWS) learning for voluntary waiting and subteaming)، نتائج رائعة في محاكاة الكمبيوتر، متفوقًا على الأساليب الأخرى بفارق كبير.
محتويات المقال :
تنسيق الروبوتات المتنوعة
في عالم التصنيع، الكفاءة هي المفتاح. ولكي تكون الروبوتات فعالة حقًا في هذا الإطار، فإنها تحتاج إلى العمل معًا بسلاسة، حيث يساهم كل منهم بقوته الفريدة لإنجاز المهام المعقدة. ويكمن التحدي في التنسيق بين هذه المجموعة المتنوعة من الروبوتات، ولكل منها قدراته المميزة. قد تكون بعض الروبوتات ثابتة في مكانها، بينما يكون بعضها الآخر متحركًا؛ يمكن للبعض رفع المواد الثقيلة، في حين أن البعض الآخر أكثر ملاءمة للمهام الأصغر.
على سبيل المثال، يعد الروبوت الطويل النحيف مثاليًا للوصول إلى الرفوف العالية، بينما يعتبر الروبوت القوي ذو الأربع عجلات أكثر ملاءمة لنقل الأحمال الثقيلة. ويعد تنسيق هذه الروبوتات للعمل معًا بكفاءة أمرًا بالغ الأهمية لزيادة الإنتاجية إلى أقصى حد. ولكن كيف يمكنك التأكد من استخدام كل روبوت إلى أقصى إمكاناته، دون تكرار الجهود أو ترك المهام غير مكتملة؟
هذا هو المكان الذي يأخذ فيه مفهوم “العمل الجماعي” معنى جديدًا تمامًا. في بيئة التصنيع، يمكن لفريق من الروبوتات أن يكون أقل تكلفة من بناء روبوت واحد قوي يشبه الإنسان يمكنه القيام بكل شيء. والسؤال هو، كيف يمكنك جعل هذه الروبوتات تعمل معًا في تناغم؟ تكمن الإجابة في تطوير استراتيجية تنسيق فعالة تأخذ في الاعتبار نقاط القوة والضعف لدى كل روبوت، وتخصيص المهام والموارد بطريقة تقلل من الهدر وتعظيم الكفاءة.
تاريخ موجز للعمل الجماعي للروبوت
لقد كانت فكرة التعاون بين الروبوتات موضع نقاش بين الباحثين لفترة طويلة. هل ينبغي لنا أن نركز على بناء روبوت واحد قوي شبيه بالبشر يمكنه القيام بكل شيء، أم روبوتات متعددة يمكنها التعاون لتحقيق هدف مشترك؟ أثار هذا السؤال جدلاً ساخنًا بين خبراء الروبوتات، حيث أن لكل نهج إيجابياته وسلبياته.
فمن ناحية، يمكن تصميم روبوت واحد قوي يشبه الإنسان لأداء مجموعة واسعة من المهام، مما يجعله حلاً متعدد الاستخدامات وفعالاً. ولكن، قد يكون هذا النهج مكلفًا وغير ممكن بالنسبة للعديد من الصناعات. ومن ناحية أخرى، يمكن أن يكون فريق الروبوتات أكثر فعالية من حيث التكلفة، حيث يمكن تصميم كل روبوت للتخصص في مهمة محددة، مما يزيد من قدراته.
إن مفهوم التعاون بين الروبوتات ليس جديدًا. في ستينيات وسبعينيات القرن الماضي، بدأ الباحثون في استكشاف فكرة أنظمة الروبوتات المتعددة، حيث تعمل الروبوتات المتعددة معًا لتحقيق هدف مشترك. اكتسب هذا النهج شعبية في التسعينيات والعقد الأول من القرن الحادي والعشرين، مع تطور روبوتات السرب (Swarm robotics)، حيث تعمل أعداد كبيرة من الروبوتات معًا لتحقيق مهام معقدة.
واليوم، يركز الباحثون على تطوير أنظمة أكثر تعقيدًا للروبوتات المتعددة، حيث يمكن للروبوتات أن تتعلم العمل معًا، والتكيف مع البيئات المتغيرة، واتخاذ القرارات في الوقت الفعلي. هذا التحول نحو الروبوتات التعاونية لديه القدرة على إحداث ثورة في مجالات مثل التصنيع والزراعة وأتمتة المستودعات. ويشير هاو تشانغ، الأستاذ المشارك في كلية أمهرست مانينغ للمعلومات وعلوم الكمبيوتر بجامعة يوماس، إلى أنه في بيئة التصنيع، يمكن أن يكون فريق الروبوتات أقل تكلفة لأنه يزيد من قدرة كل روبوت إلى أقصى حد. ومع ذلك، فإن التنسيق بين هذه الروبوتات المتنوعة يمثل تحديًا معقدًا يتطلب حلولًا مبتكرة.
التعلم من أجل الانتظار الطوعي وتكوين فرق فرعية
يعد نهج التعلم من أجل الانتظار الطوعي وتكوين فرق فرعية طريقة جديدة تمكن الروبوتات من إنشاء فرق خاصة بها وجدولة المهام بطريقة تزيد من الكفاءة. المفهوم بسيط: تتم برمجة الروبوتات لتنتظر طوعًا زملائها في الفريق لإكمال المهام، بدلاً من اختيار الحل الأسرع دائمًا. قد يبدو هذا غير بديهي، لكنه في الواقع المفتاح لتحقيق المهام في وقت أسرع.
في جوهره، يعد (LVWS) حلاً ذكيًا للمشكلة التقليدية المتمثلة في تنسيق مجموعة متنوعة من الروبوتات. ومن خلال السماح للروبوتات بالتعلم من بعضها البعض والتكيف مع الظروف المتغيرة، تمكنها (LVWS) من معالجة المهام المعقدة التي قد يكون من المستحيل على روبوت واحد إنجازها بمفرده. على سبيل المثال، يحتاج روبوتان صغيران إلى انتظار بعضهما البعض لرفع صندوق ثقيل، وبدلاً من الاعتماد على روبوت واحد قوي للقيام بهذه المهمة. ومن خلال القيام بذلك، يمكن للروبوتات الأصغر حجمًا التركيز على المهام الأصغر، مما يحرر الروبوت الأقوى للتعامل مع المهام الأكثر تطلبًا.
قياس نجاح (LVWS) في محاكاة الكمبيوتر
لإثبات فعالية نهج (LVWS)، قام الباحثون باختباره في محاكاة حاسوبية. حيث أنشأوا سيناريو يتكون من ستة روبوتات و18 مهمة، وقارنوا طريقة (LVWS) بأربعة أساليب أخرى. ولكن كيف يمكنك قياس نجاح فريق الروبوت؟
تتمثل إحدى طرق قياس نجاح فريق الروبوت في حساب المستوى الأمثل، أو مدى انحرافه عن الحل الأمثل. لنقل أنك تحاول إكمال اللغز في أقصر وقت ممكن. سيكون الحل الأمثل هو الحصول على خريطة توضح الخطوات الدقيقة التي يجب اتباعها. ولكن في الواقع، فإن العثور على هذا الحل الأمثل يتطلب الكثير من القوة الحسابية والوقت.
وفي المحاكاة، وجد الباحثون أن طرق المقارنة تراوحت بين 11.8% إلى 23% دون المستوى الأمثل (suboptimality)، مما يعني أنها كانت أبطأ بشكل ملحوظ من الحل الأمثل. ومع ذلك، كان نهج (LVWS) دون المستوى الأمثل بنسبة 0.8% فقط، مما يعني أنه كان قريبًا جدًا من الحل الأمثل.
ولكن ماذا يعني هذا من الناحية العملية؟ هذا يعني أن نهج (LVWS) يسمح للروبوتات بالعمل معًا بسلاسة، وإكمال المهام في أقصر وقت ممكن. في أحد السيناريوهات، هناك حاجة إلى ثلاثة روبوتات، اثنان يستطيع كل منهما رفع أربعة أرطال والآخر يمكنه رفع 10 أرطال، لتحريك صندوق يزن سبعة أرطال. وبدلاً من قيام الروبوت الكبير بالمهمة بمفرده، جعل نهج (LVWS) الروبوت الصغير ينتظر زميله في الفريق، وقاموا معًا برفع الصندوق. وقد سمح ذلك للروبوت الأكبر حجمًا بالتركيز على مهمة أكثر تطلبًا، مما جعل الفريق بأكمله أكثر كفاءة.
تحسين التصنيع باستخدام التعاون بين الروبوتات
مع القدرة على تنسيق الروبوتات المتنوعة وتعظيم قدراتها، يمكن للمصنعين أن يتوقعوا رؤية تحسينات كبيرة في الكفاءة والإنتاجية وتوفير التكاليف. إن الآثار المترتبة على هذه التكنولوجيا بعيدة المدى، مع تطبيقات محتملة في الزراعة، وأتمتة المستودعات، وغيرها.
ومن الناحية العملية، قد يعني هذا تقليل أوقات الإنتاج، وزيادة الإنتاج، وانخفاض تكاليف العمالة. علاوة على ذلك، فإن القدرة على التنسيق بين الروبوتات ذات القدرات المختلفة تفتح إمكانيات جديدة للتعامل مع المهام المعقدة التي قد يكون من المستحيل على روبوت واحد إكمالها.
المصادر
New method for orchestrating successful collaboration among robots | science daily
Author: أخبار علمية
سعدنا بزيارتك، جميع مقالات الموقع هي ملك موقع الأكاديمية بوست ولا يحق لأي شخص أو جهة استخدامها دون الإشارة إليها كمصدر. تعمل إدارة الموقع على إدارة عملية كتابة المحتوى العلمي دون تدخل مباشر في أسلوب الكاتب، مما يحمل الكاتب المسؤولية عن مدى دقة وسلامة ما يكتب.
التعليقات :