تم نشره على: 25 فبراير 2025 / تحديث من: 25 فبراير 2025 - المؤلف: Konrad Wolfenstein
من التعثر إلى سومرسولت في الروبوتات: تحدد AI Propgrad
مستقبل البشر: الأطلس هو من خلال التعرف على التعلم الأذكى
الشراكة الاستراتيجية: Boston Dynamics تعمل على تحسين الأطلس للتطبيقات الحقيقية
في إعلان ، Boston Dynamics ، رائدة في مجال الروبوت الديناميكي ، ومعهد الروبوتات والمعهد (RAI) ، أعلنت مؤسسة أبحاث تحت إشراف الخبير الآلي الشهير والرئيس التنفيذيين السابقين في بوسطن ديناميات ، مارك رايبرت ، الشراكة الاستراتيجية. الهدف المعلن عن هذا التعاون ، الذي وجد رسميًا في فبراير 2025 ، هو تحسين كبير لمهارات أطلس الروبوت البشري المتقدم باستخدام التعلم التعزيز (التعلم). يعد هذا التعاون ليس فقط بجعل الأطلس أكثر مرونة ورشيقة ، ولكن أيضًا لتأهيله من أجل مجموعة أوسع من التطبيقات الحقيقية وبالتالي تمهيد الطريق لعصر جديد من الروبوتات البشرية.
مناسب ل:
الأهداف الأساسية للتعاون في المستقبل
تركز الشراكة بين Boston Dynamics ومعهد RAI على عدد من الأهداف الطموحة التي تهدف إلى تحويل المهارات الأساسية للأطلس وتطويرها من متظاهر بحث مثير للإعجاب إلى أداة متنوعة وعملية. يوجد في وسط هذه الجهود ثلاثة مجالات رئيسية:
سد الفجوة في SIM-to REAL: الطريق من المحاكاة إلى الواقع
أحد أكبر التحديات في الروبوتات ، وخاصة في مجال تعلم التعزيز ، هو نقل المهارات المستفادة في المحاكاة إلى العالم الحقيقي. توفر المحاكاة بيئة مثالية لتدريب الروبوتات لأنها تتيح كميات غير محدودة من البيانات ، والسيطرة الكاملة على البيئة وإمكانية محاكاة سيناريوهات خطرة أو كثيفة التكلفة مع مخاطر خالية من المخاطر. يمكن أن تنفذ الروبوتات تكرارات لا حصر لها من الحركات والمهام في العوالم الافتراضية دون خطر الضرر أو الإصابات.
الحقيقة ، من ناحية أخرى ، أكثر تعقيدًا ولا يمكن التنبؤ بها. تعمل الروبوتات المادية في عالم مليء بالضوضاء الحسية والاضطرابات غير المتوقعة وعدم الدقة في النمذجة والتحدي المستمر للتغير. ما يعمل في محاكاة محكومة تمامًا يمكن أن تفشل في الواقع الفوضوي. يصف "Sim-to Real-Lücke" بالضبط هذا التناقض.
وضعت الشراكة بين بوسطن ديناميكيات ومعهد راي هدفًا لإغلاق هذه الفجوة باستخدام الأساليب والخوارزميات المبتكرة. يعمل الباحثون على تطوير حركات قوية وقابلة للتعميم تعمل بشكل موثوق ليس فقط في المحاكاة ، ولكن أيضًا في العالم الحقيقي. ويشمل ذلك تطوير بيئات المحاكاة المتقدمة التي تخطط للواقع المادي بشكل أكثر دقة ، وكذلك استخدام التقنيات مثل التوزيع العشوائي للمجال والمحاكاة التكيفية من أجل جعل النماذج مدربة في عمليات المحاكاة أكثر مقاومة للاستفادة من العالم الحقيقي. يعد النجاح في هذا المجال أمرًا ضروريًا لاستغلال الإمكانات الكاملة للتعلم التعزيز للروبوتات واستخدام الروبوتات في بيئات حقيقية غير منظمة.
تحسين التلاعب الموضعي: فن الحركة والتفاعل
تعد القدرة على تحديد موقع معالجة Loco ، أي النقل المتزامن والتلاعب بالأشياء ، قدرة رئيسية على الروبوتات التي يجب أن تعمل في بيئات معقدة وديناميكية. تخيل روبوتًا بشريًا ينتقل عبر مستودع لاختيار الحزم ، أو روبوت يلغي الحطام في منطقة كارثة وفي الوقت نفسه يبحث عن الناجين. في كل هذه السيناريوهات ، من الضروري ألا يتحرك الروبوت بكفاءة فحسب ، بل يمكنه أيضًا التفاعل مع محيطه في نفس الوقت.
ومع ذلك ، فإن تطوير استراتيجيات التلاعب المتقدمة Loko يمثل تحديًا هائلاً. يتطلب تنسيقًا وثيقًا بين تخطيط الحركة ، والتخطيط للسكك الحديدية ، والتخطيط الذي يسيطر على مستوى القوة. يجب أن يكون الروبوت قادرًا على تكييف تحركاته ومعالجاته مع الظروف المتغيرة باستمرار لمحيطها في الوقت الفعلي.
كجزء من الشراكة ، سيقوم الباحثون بتطوير استراتيجيات جديدة ومبتكرة لرفع مهارات التلاعب في أطلس إلى مستوى جديد. ويشمل ذلك البحث عن خوارزميات للتخطيط المتزامن والتخطيط الذي يسيطر عليه ، وتطوير استراتيجيات قوية للتحكم في الطاقة للتلاعب بأشياء مختلفة وتكامل المعلومات الحسية في حلقة التحكم لتمكين رد الفعل السريع والمعالجة الموضعية للتكيف. يعد تحسين معالجة Loco خطوة حاسمة لجعل Atlas أداة متعددة الاستخدامات ومفيدة حقًا لمجموعة متنوعة من التطبيقات.
البحث في استراتيجيات الاتصال الكاملة للجسم: تآزر الفقراء والساقين
الروبوتات البشرية مثل الأطلس لديها القدرة الفريدة للتحرك والتفاعل بطريقة تشبه إلى حد كبير الحركة البشرية. هذه القدرة على دمج الجسم بأكمله ، بما في ذلك الذراعين والساقين والجسم الطائرة ، في حركات ومهام معقدة ، تفتح فرصًا جديدة تمامًا للروبوتات. تتجاوز استراتيجيات التلامس لجميع الجسم التلاعب البسيط مع الأسلحة واستخدم التآزر بين الذراعين والساقين لتمكين حركات ومهام عالية الأداء.
فكر في شخص يحمل جسمًا ثقيلًا. إنه لا يستخدم ذراعيه فحسب ، بل أيضًا ساقيه وجسمه وجسمه بالكامل لتحقيق الاستقرار في الوزن ، للحفاظ على التوازن ونقل الكائن بكفاءة. وبالمثل ، يجب أن تكون الروبوتات البشرية قادرة على استخدام جسدها بالكامل لإدارة المهام المعقدة التي تتطلب تنسيقًا وثيقًا بين الأسلحة والساقين.
يركز الباحثون على تطوير الخوارزميات التنظيمية المتقدمة واستراتيجيات التخطيط لحركات ومهام الجسم عالية الأداء. ويشمل ذلك مناطق مثل الجري الديناميكي والقفز والتسلق والرفع وحمل الأشياء الثقيلة والتلاعب في الغرف الضيقة والتفاعل مع البيئات المعقدة. إن البحث عن استراتيجيات الاتصال الكاملة للجسم له أهمية حاسمة من أجل استغلال الإمكانات الكاملة لعامل الشكل البشري وتطوير الروبوتات التي يمكن أن تتحرك وتتفاعل في العالم بطريقة طبيعية وبديهية.
أهمية هذا التعاون الاتجاهي
تعد الشراكة بين Boston Dynamics ومعهد RAI لها أهمية هائلة للروبوتات ومجتمع أبحاث الذكاء الاصطناعي لعدة أسباب. أولاً ، تجمع بين منظمتين رئيسيتين في مجال الروبوتات ، ولكل منهما نقاط قوة ومهارات فريدة. يُعرف Boston Dynamics في جميع أنحاء العالم بمنصاتها الروبوتات الرائعة والديناميكية مثل الأطلس والبقعة والمقبض والتمديد. يجلب معهد RAI تحت إشراف Marc Raibert عقودًا من الخبرة في تطوير أفضل التقنيات للآلات الذكية وفي استخدام التعلم التعزيز لمشاكل الروبوتات المعقدة.
مارك رايبر ، مؤسس معهد راي ، هو رمز الروبوتات. كرئيس تنفيذي سابق في بوسطن ديناميكيات ، فقد شكل بشكل كبير تطوير الشركة وأنتج بعضًا من أكثر الروبوتات إثارة للإعجاب في العالم. كان لأبحاث الروبوتات تأثير دائم على رؤيته للروبوتات ، والتي يمكن أن تتحرك ذكي وتنوعا في العالم الحقيقي مثل الناس والحيوانات. مع تأسيس معهد RAI ، يواصل Raiber مهمته لتوسيع حدود الممكنة في الروبوتات و AI.
يعتمد التعاون على أساس قوي للمشاريع المشتركة السابقة ، بما في ذلك "مجموعة باحث التعلم التعزيز" لبقعة الروبوت الأربعة ذات اللون الروبوت. تمكن هذه المجموعة الباحثين في جميع أنحاء العالم من تطوير واختبار خوارزميات التعلم التعزيز على المنصة الموضعية. لقد أظهر التطوير الناجح وتنفيذ هذه المجموعة أن كلا المنظمين قادرين على العمل معًا بشكل فعال وتطوير حلول مبتكرة في مجال التعلم إعادة تطبيق الروبوتات.
باستخدام التعلم التعزيز للأطلس ، أحد أكثر الروبوتات البشرية تقدماً وقوة في العالم ، يتوقع الشركاء تقدمًا كبيرًا في تطوير مهارات الإنسان. يوفر التعلم التعزيز القدرة على تدريب الروبوتات ، لإدارة المهام المعقدة التي سيكون من الصعب تنفيذها مع مناهج البرمجة التقليدية. إنه يمكّن الروبوتات من التعلم من خلال التفاعل مع محيطهم ، والتكيف وتحسين مهاراتهم باستمرار.
تعهدت Boston Dynamics ومعهد RAI بنشر تحديثات وعروض منتظمة لعملهم مع Atlas من أجل إحراز تقدم في الروبوتات البشرية في متناول الجمهور العام. هذه الشفافية مهمة لتعزيز الثقة في الروبوتات وأبحاث الذكاء الاصطناعي وتعزيز القبول الاجتماعي لهذه التقنيات. لن تُعلم المنشورات المخططة المجتمع العلمي فحسب ، بل تلهم أيضًا الجمهور عن الاحتمالات والتحديات الرائعة للروبوتات البشرية.
البحث والتطوير المشترك بالتفصيل
ينقسم التعاون بين Boston Dynamics ومعهد RAI إلى عدة مجالات أساسية للبحث والتطوير ، والتي ترتبط ارتباطًا وثيقًا وتكمل بعضها البعض:
تطوير خط أنابيب تدريب تعليمي مشترك مع أطلس
في وسط الشراكة ، يوجد تطوير خط أنابيب تدريب على تعزيز التعزيز ، وهو مصمم خصيصًا لاحتياجات ومهارات الأطلس. سيشكل خط الأنابيب هذا الأساس لتدريب السلوك الديناميكي والقابل للتعميم للتلاعب بالهاتف المحمول. ويشمل جميع خطوات عملية التعلم التعزيز ، من تعريف وظائف المكافأة واختيار الخوارزميات المناسبة لتطوير بيئات المحاكاة واكتساب البيانات للتحقق من صحة السلوك المستفاد على الروبوت الحقيقي.
سيكون خط أنابيب التدريب معياريًا لضمان المرونة والقدرة على التكيف مع مختلف المهام والبيئات. سيؤدي إلى دمج التقنيات المتقدمة للتعلم التعزيز ، مثل تعلم التعزيز العميق ، وتعلم التعزيز القائم على النماذج ، وتعلم التعزيز متعدد الوكلاء لزيادة كفاءة التدريب وقوة. سيكون التركيز بشكل خاص على تطوير وظائف المكافآت التي تمكن الأطلس من تعلم المهام المعقدة دون تحديد كل خطوة بشكل صريح. تهدف وظائف المكافآت إلى توجيه الروبوت لتطوير حركات وتفاعلات فعالة مثل الإنسان والبشر.
نقل Sim-to Real: الجسر بين العالم الافتراضي والواقعي
كما ذكرنا سابقًا ، يعد نقل Sim-to Real أحد أكبر التحديات في التعلم التعزيز للروبوتات. ستعمل الفرق بشكل مكثف على سد الفجوة بين المحاكاة والعالم الحقيقي والتأكد من أنه يمكن نقل السلوك المدربين على المحاكاة بنجاح وموثوق إلى الأجهزة المادية.
وهذا يتطلب نهجًا متعدد الأطباق ، والذي يتضمن تحسين بيئات المحاكاة وتطوير طرق نقل قوية. يتم تحسين بيئات المحاكاة بشكل مستمر من أجل تعيين الواقع المادي بشكل أكثر دقة ، بما في ذلك نمذجة الاحتكاك والاتصال والقصور الذاتي وغيرها من الآثار المادية. في الوقت نفسه ، يتم استخدام تقنيات مثل التوزيع العشوائي للمجال وتحديد النظام والتحكم التكيفي لجعل النماذج مدربة في عمليات المحاكاة أكثر مقاومة للاستفادة من العالم الحقيقي. الهدف من ذلك هو إنشاء انتقال سلس من المحاكاة إلى الواقع ، بحيث يمكن للأطلس استخدام المهارات المستفادة في العالم الافتراضي دون فقدان كبير للأداء في بيئات حقيقية.
ركز على المهارات الرئيسية لمستقبل الروبوتات البشرية
تركز الشراكة على تطوير وتحسين المهارات الرئيسية الضرورية للاستخدام العملي للروبوتات البشرية في البيئات الحقيقية:
معالجة Loco المحسنة: التعامل مع الكائنات أثناء الحركة
يجب أن تكون Atlas قادرة على معالجة الكائنات والأجهزة مثل الأبواب والمفاتيح والرافعات والأدوات والكائنات الأخرى أثناء التحرك في نفس الوقت. هذه القدرة أمر بالغ الأهمية لمجموعة متنوعة من التطبيقات ، من الأتمتة الصناعية إلى الخدمات اللوجستية إلى عمليات البحث والإنقاذ. تخيل الأطلس ، الذي يتحرك عبر التضاريس الوعرة وفي الوقت نفسه القضاء على الحطام أو يقدم أدوات لإصلاح هيكل تالف.
يتطلب التلاعب المحسّن LOCO تطوير الخوارزميات ، التي تنسق تخطيط الحركة ، والتخطيط الذي يسيطر على مستوى القوة في الوقت الفعلي. يجب أن تكون الأطلس قادرة على تكييف تحركاتها ومعالجتها مع الشكل والحجم والوزن وطبيعة الأشياء التي يتلاعب بها. بالإضافة إلى ذلك ، يجب أن يكون قادرًا على التعامل مع أوجه عدم اليقين في الإدراك والمنطقة المحيطة بها وتكييف خططها وحركاتها ديناميكيًا. سيجعل تطوير هذه المهارات أداة أكثر تنوعًا وأكثر فائدة لمجموعة واسعة من التطبيقات.
استراتيجيات الاتصال الكاملة للجسم: حركات معقدة وأحمال ثقيلة
يركز الباحثون على تطوير الحركات الكاملة التي تتجاوز المشي البسيط والوصول إليها. ويشمل ذلك الجري الديناميكي والقفز والتسلق ورفع وحمل الأشياء الثقيلة والتلاعب في الغرف الضيقة. تتطلب هذه المهارات تنسيقًا وثيقًا بين الذراعين والساقين والجسم الطائرة واستخدام تآزر الجسم بأكمله لإدارة المهام المعقدة.
يمكّن التشغيل الديناميكي والقفز من الأطلس من التحرك بسرعة وكفاءة في تضاريس غير متساوية وعقبات. يمتد تسلق نطاقه ويمكّن الوصول إلى المناطق الصعبة. رفع وارتداء الأشياء الثقيلة يجعله مساعد قيمة في الخدمات اللوجستية والبناء. يتيح التلاعب في الغرف الضيقة الاستخدام في البيئات التي يصعب الوصول إليها أو خطورة للبشر. يعد تطوير استراتيجيات الاتصال الكاملة للجسم خطوة حاسمة لاستغلال الإمكانات الكاملة لعامل الشكل البشري وجعل الأطلس روبوتًا قويًا وقويًا حقًا.
التنفيذ العملي ومراقبة التقدم المستمر
تعلق الشراكة بين Boston Dynamics ومعهد RAI أهمية كبيرة بالتنفيذ الشفاف والممارسة الموجهة لأعمال البحث والتطوير الخاص بك:
تقارير التقدم والعروض التقدمية المنتظمة
تعهدت Boston Dynamics ومعهد RAI بنشر تقارير تقدم دورية توثق أحدث التطورات ونجاح التعاون. لن تتضمن هذه التقارير أوصافًا مكتوبة للتقدم ، ولكن أيضًا عروضًا حيوية مع Atlas ، والتي تظهر المهارات المكتسبة حديثًا في العمل. يتم نشر هذه المظاهرات في شكل مقاطع فيديو وعروض تقديمية وجعلت في متناول المجتمع العلمي وعامة الناس.
التحديثات والمظاهرات العادية تخدم عدة أغراض. أنها تمكن المجتمع العلمي من متابعة التقدم في الروبوتات البشرية وإلهام بعضها البعض. أنها تعزز الشفافية والثقة في أبحاث الروبوتات وتساعد على زيادة القبول الاجتماعي لهذه التقنيات. بالإضافة إلى ذلك ، فإنها توفر بوسطن ديناميات ومعهد RAI الفرصة لتلقي ملاحظات من المجتمع وتكييف اتجاه البحث الخاص بهم وفقًا لذلك.
موقع التعاون: ماساتشوستس ، الولايات المتحدة الأمريكية
يحدث عمل البحث والتطوير بأكمله كجزء من الشراكة في ماساتشوستس ، حيث يوجد في كلتا المنظمتين مقرهما الرئيسي. هذا التقارب المكاني يعزز التعاون الوثيق والتبادل المباشر بين فرق البحث. تعمل الفرق من Boston Dynamics ومعهد RAI في المختبرات المشتركة وتستخدم الموارد والبنية التحتية لكلا المنظمين. يعد هذا التكامل الوثيق للفرق والموارد عاملاً حاسماً لنجاح الشراكة ويمكّن استخدام التآزر والترويج لكفاءة أعمال البحث والتطوير.
مهارات جديدة متوقعة للأطلس: نظرة على مستقبل الروبوتات البشرية
نظرًا للشراكة بين Boston Dynamics ومعهد RAI ، يهدف Robot Atlas إلى الحصول على عدد من المهارات الجديدة الرائدة التي تجعلها أداة أكثر تنوعًا ومفيدة:
تحسين التنقل والتلاعب: خفة الحركة والدقة في الحركة
الحركة الديناميكية
الأطلس سيكون قادرًا على تحريك أكثر استقرارًا وسائلًا على تضاريس غير متساوية ، في بيئات معقدة وحتى في السيناريوهات الديناميكية. ويشمل ذلك الجري والقفز والتسلق والقدرة على التكيف مع الأسطح والظروف المختلفة في الوقت الفعلي. يتم جعل الحركة الديناميكية ممكنة من خلال الخوارزميات التنظيمية المتقدمة والاندماج بيانات المستشعر التي تسمح لـ Atlas بالحفاظ على توازنها ، والتغلب على العقبات وتكييف تحركاتها مع الوضع المعني.
التلاعب الكامل
سيقوم الروبوت بتنفيذ استراتيجيات متقدمة للاتصال الكامل من أجل أن تكون قادرًا على استخدام الأشياء الثقيلة وحملها وتحريكها ومعالجتها بدقة وكفاءة. وهذا يتطلب تنسيقًا متطورًا للغاية من الأسلحة والساقين والجسم الطائرة لتحقيق الاستقرار في الوزن ، للحفاظ على التوازن والتعامل مع الكائنات بأمان. سيمكن التلاعب الكامل للجسم الأطلس من مواجهة المهام التي كانت مخصصة للأشخاص فقط ، مثل تحريك الأحمال الثقيلة في المستودعات ، أو في مواقع البناء أو في مناطق الكوارث.
التفاعل البيئي المتقدم: تفاعل ذكي مع العالم
معالجة الكائن
يجب أن يتعلم الأطلس التعامل مع مجموعة متنوعة من الكائنات والأجهزة في منطقتها ، بما في ذلك الأبواب والمفاتيح والرافعات والصمامات والأدوات والحاويات وغير ذلك الكثير. ستمكنه هذه القدرة من التصرف في البيئات البشرية وأداء المهام التي تتطلب التفاعل مع البنية التحتية الحالية. يتطلب معالجة الكائنات مهارات الإدراك المتقدمة للتعرف على الكائنات وتحديدها وتحديدها ، فضلاً عن استراتيجيات الاستياء والتلاعب المتطورة من أجل التعامل معها بأمان وكفاءة.
القدرة على التكيف مع المواد والهياكل
سيتمكن الروبوت من تكييف قوته وسرعته وحركاته تلقائيًا وذكاء مع مواد وهياكل مختلفة دون إتلافها أو تدميرها. هذا أمر بالغ الأهمية للتفاعل الآمن والموثوق مع العالم الحقيقي ، حيث ستواجه الروبوتات مجموعة متنوعة من الأسطح والمواد والأشياء. يتم تحقيق القدرة على التكيف من خلال استخدام أجهزة استشعار القوة وعزم الدوران ، وأجهزة استشعار عن طريق اللمس والخوارزميات التنظيمية المتقدمة التي تمكن Atlas من مراقبة وتكييف تفاعلاتها في الوقت الفعلي.
القدرة التعليمية والتعميم: أساس الابتكارات المستقبلية
تعلم أكثر كفاءة من خلال التعلم التعزيز:
يهدف استخدام تقنيات التعلم المتقدمة لتمكين الأطلس من تعلم مهارات جديدة بشكل أسرع وأكثر كفاءة من ذي قبل. وهذا يشمل تطوير الخوارزميات التي تسرع التعلم ، والبيانات
مناسب ل:
شريكك العالمي في التسويق وتطوير الأعمال
☑️ لغة العمل لدينا هي الإنجليزية أو الألمانية
☑️ جديد: المراسلات بلغتك الوطنية!
كونراد ولفنشتاين
سأكون سعيدًا بخدمتك وفريقي كمستشار شخصي.
يمكنك الاتصال بي عن طريق ملء نموذج الاتصال أو ببساطة اتصل بي على +49 89 89 674 804 (ميونخ) . عنوان بريدي الإلكتروني هو: ولفنشتاين ∂ xpert.digital
إنني أتطلع إلى مشروعنا المشترك.