دراسة جديدة من آبل تعلم الروبوتات كيفية التصرف من خلال مشاهدة البشر

التكنولوجيا اليومية

22/05/2025

في دراسة جديدة، اقترح باحثو آبل طريقة مثيرة لتدريب الروبوتات الشبيهة بالبشر، تعتمد على مشاهدة البشر أثناء تفاعلهم مع الأشياء. هذه الدراسة، التي تحمل عنوان "سياسة الشبيه بالبشر ~ سياسة البشر"، هي نتيجة تعاون بين آبل ومعهد ماساتشوستس للتكنولوجيا، جامعة كارنيجي ميلون، جامعة واشنطن، وجامعة كاليفورنيا في سان دييغو.

النقاط الرئيسية

استخدام بيانات من أكثر من 25,000 عرض بشري و1,500 عرض روبوتي لتدريب نماذج روبوتية.
تطوير تطبيق على آبل فيجن برو لجمع بيانات التدريب.
استخدام نموذج "محول حركة الإنسان" (HAT) لتوحيد البيانات من البشر والروبوتات.

تستكشف الدراسة كيف يمكن استخدام لقطات الفيديو من منظور الشخص الأول لتدريب نماذج روبوتية عامة. قام الباحثون بجمع بيانات من أكثر من 25,000 عرض بشري و1,500 عرض روبوتي، مما أدى إلى إنشاء مجموعة بيانات موحدة تُعرف باسم PH2D.

كما أوضح الباحثون، فإن تدريب سياسات التلاعب للروبوتات الشبيهة بالبشر باستخدام بيانات متنوعة يعزز من مرونتها وقدرتها على التعميم عبر المهام والمنصات المختلفة. ومع ذلك، فإن التعلم فقط من العروض الروبوتية يتطلب جمع بيانات مكلفة وصعبة التوسع.

طريقة جمع البيانات

لتسهيل جمع بيانات التدريب، طور الفريق تطبيقًا على آبل فيجن برو يقوم بالتقاط الفيديو من الكاميرا السفلية اليسرى للجهاز، ويستخدم ARKit من آبل لتتبع حركة الرأس واليدين ثلاثية الأبعاد.

للبحث عن حل أكثر تكلفة، قاموا أيضًا بطباعة حامل ثلاثي الأبعاد لتثبيت كاميرا ZED Mini Stereo على سماعات رأس أخرى، مثل Meta Quest 3، مما يوفر تتبع حركة ثلاثية الأبعاد مشابهة بتكلفة أقل.

تحسينات في التدريب

نتيجة لذلك، تمكن الباحثون من تسجيل عروض عالية الجودة في ثوانٍ، وهو تحسن كبير مقارنة بأساليب التحكم عن بعد التقليدية التي كانت أبطأ وأكثر تكلفة وصعوبة في التوسع.

ومن المثير للاهتمام أن البشر يتحركون بشكل أسرع بكثير من الروبوتات، لذا قام الباحثون بتقليل سرعة العروض البشرية بمعدل أربعة أضعاف أثناء التدريب، مما سمح للروبوت بمواكبة الحركة دون الحاجة إلى تعديلات إضافية.

نموذج محول حركة الإنسان (HAT)

النموذج الرئيسي في هذه الدراسة هو HAT، الذي تم تدريبه على كل من العروض البشرية والروبوتية في تنسيق مشترك. بدلاً من تقسيم البيانات حسب المصدر (بشر مقابل روبوتات)، يتعلم HAT سياسة واحدة تتعمم عبر كلا النوعين من الأجسام، مما يجعل النظام أكثر مرونة وكفاءة في استخدام البيانات.

في بعض الاختبارات، ساعدت هذه الطريقة المشتركة في تدريب الروبوت على التعامل مع مهام أكثر تحديًا، بما في ذلك تلك التي لم يرها من قبل، مقارنة بالأساليب التقليدية.

بشكل عام، تعتبر هذه الدراسة مثيرة للاهتمام وتستحق الاطلاع إذا كنت مهتمًا بمجال الروبوتات. هل فكرة وجود روبوت شبيه بالبشر في المنزل تثير قلقك، أم أنها مثيرة، أم أنها بلا جدوى؟

29-05-2025

تعزيز التطبيقات المعتمدة على البيانات من خلال بنية تحتية مدعومة بالذكاء الاصطناعي

تستثمر صناعة الرعاية الصحية في تقنيات الذكاء الاصطناعي لتعزيز الكفاءة، ولكنها تحتاج إلى بنية تحتية قوية لدعم التطبيقات المعتمدة على البيانات.