تتيح طريقة PDDL-ART للروبوتات إنشاء خطط معالجة مفصلة تلقائيًا بناءً على عرض توضيحي واحد ووصف باللغة الطبيعية. أظهرت الدراسة كفاءة عالية في المهام الصعبة التي تتطلب استدلالًا مجردًا وذاكرة، وذلك بفضل القدرة على استخدام الأدوات الداخلية لـ VLM بشكل مستقل.
المهمة التي لا يمكن حلها بدون تجريد
العديد من مهام المعالجة في البيئات الواقعية - بدءًا من صيانة المحركات وحتى إعداد الطعام - تتطلب تخطيطًا طويل الأجل وذاكرة. غالبًا ما تفقد الروبوتات التي تعمل فقط على الصور السياق: فهي لا تفهم ما يعنيه
تحل PDDL-ART هذه المشكلة عن طريق دمج نماذج اللغة والرؤية مع نهج رسمي للتخطيط. بدلاً من التعلم فقط من البيانات المرئية، يستخدم النظام قدرة VLM على
كيف تتعلم PDDL-ART من خلال عرض توضيحي واحد
تعمل PDDL-ART بشكل مستقل: حيث يتم تزويدها بعرض توضيحي واحد للحركات ووصف للمهمة باللغة الطبيعية وقائمة بالإجراءات عالية المستوى المتاحة. بناءً على ذلك، تقوم بإنشاء وصف كامل لنطاق PDDL - أي مجموعة من القواعد والحالات والإجراءات - والتي يمكن استخدامها بواسطة مخطط رمزي. والأهم من ذلك أنه لا يتطلب أي قوالب أو تعديل للنموذج - حيث يكتشف النظام هيكل المهمة بنفسه.
لا تنتهي العملية عند إنشاء الكود. تقوم PDDL-ART بتشغيل عملية تصحيح متعددة المراحل: أولاً، تتحقق من صحة بناء الجملة، ثم الصحة الدلالية (هل الخطة منطقية)، وأخيرًا التنفيذ - هل يمكن للروبوت تنفيذها في الواقع. في هذه المرحلة الأخيرة، يستخدم النظام أدوات VLM الداخلية لحل المشكلات الهندسية والزمنية التي لا تظهر في الصور.
الكفاءة: 93.3٪ نجاح في المهام الصعبة
أظهرت الأبحاث التي أجريت على المهام المعقدة - سواء في البيئات المنزلية أو في ورش إصلاح المحركات - أن PDDL-ART يحقق متوسط معدل نجاح يبلغ 93.3٪. وهذا يعني أنه في أكثر من تسع حالات من أصل عشر، يؤدي الروبوت المهمة بشكل صحيح. مقارنةً بالمخطط الأساسي القائم على VLM، والذي حقق 78.3٪ فقط، فإن الفرق كبير ويوضح تقدمًا حقيقيًا.
على وجه الخصوص، يمكن للنظام التعامل مع المهام التي تتطلب الذاكرة - مثل تذكر مكان وضع عنصر ما - ومع الاستدلال المجرد، عندما لا يختلف الحالة النهائية بصريًا عن الحالة الأولية. وهذا يدل على أن PDDL-ART لا
ماذا يعني هذا لمستقبل الروبوتات؟
PDDL-ART ليس منتجًا جاهزًا للتنفيذ، ولكنه يوضح إمكانات نهج جديد: دمج النماذج اللغوية والمرئية مع التخطيط الرمزي الرسمي. إذا تطورت هذه الأنظمة، فقد تتمكن الروبوتات من تعلم مهام معقدة دون الحاجة إلى برمجة كل إجراء يدويًا.
ومع ذلك، هناك قيود: تعمل الطريقة في بيئات خاضعة للرقابة وتتطلب الوصول إلى VLM عالي الأداء. في الممارسة العملية، قد يعني هذا الحاجة إلى قوة حوسبة كبيرة أو الاتصال بالسحابة. علاوة على ذلك، لا يؤكد النظام ما إذا كانت خططه آمنة في العالم الحقيقي - على سبيل المثال، هل ستسبب تلفًا في المعدات.
يفتح PDDL-ART إمكانيات جديدة للروبوتات في الصناعة والطب والمنازل. بفضل القدرة على إنشاء خطط تلقائيًا من خلال عرض توضيحي واحد، يمكن للنظام تقصير الوقت اللازم لتنفيذ العمليات الجديدة بشكل كبير. في المصانع، حيث تكون التغييرات في خط الإنتاج متكررة، يمكن للروبوتات أن تتكيف بسرعة مع المهام الجديدة دون الحاجة إلى برمجة يدوية. في المنزل، يمكن لهذه الحلول أن تساعد كبار السن أو ذوي الإعاقة في الأنشطة اليومية، مثل إعداد وجبة الطعام أو ترتيب الغرفة. على الرغم من أن النظام يعمل حاليًا في بيئات خاضعة للرقابة، إلا أنه يمكن تطوير مفهومه إلى حلول أكثر مرونة واستقلالية عن البنية التحتية.
من المهم أن تتضمن الإصدارات المستقبلية أيضًا جوانب السلامة والأخلاق - مثل منع تلف المعدات أو تجنب الإجراءات التي قد تكون خطرة على البشر. لا يحل PDDL-ART مشكلة التخطيط المجرد فحسب، بل يترجمها أيضًا إلى تطبيقات عملية يمكن أن تغير الطريقة التي تتفاعل بها الروبوتات مع البشر.
