التكنولوجيا اليومية
·16/09/2025
طور باحثون إطار عمل رائدًا للذكاء الاصطناعي، يُدعى LEGO-H، يمكّن الروبوتات البشرية المحاكية من التنقل والتنزه في التضاريس المعقدة وغير المستوية بمفردها تمامًا. يعد هذا التقدم بتسريع تطوير الذكاء الاصطناعي المتجسد للتطبيقات الحيوية مثل عمليات البحث والإنقاذ والمراقبة البيئية في البيئات الصعبة.
ابتكر باحثون من جامعة ميشيغان نموذج ذكاء اصطناعي يُدعى LEGO-H، يزود الروبوتات البشرية المحاكية من Unitree Robotics بالقدرة على التخطيط المسبق، وتجنب العوائق، والحفاظ على التوازن، وتعديل سرعتها وخطواتها على التضاريس المتنوعة. على عكس الروبوتات البشرية السابقة التي اعتمدت بشكل كبير على التوجيه البشري، يمكن لهذه الروبوتات الآن "الرؤية واتخاذ القرار والتحرك بمفردها تمامًا"، وفقًا لستيلا يو، الأستاذة المشاركة في الدراسة. يسمح النظام للروبوتات باختيار استراتيجية حركتها، سواء كانت المشي أو القفز أو الخطو، بناءً على متطلبات المسار.
تقليديًا، تم التعامل مع ملاحة الروبوتات وحركتها كمشكلات منفصلة، وغالبًا ما تعتمد على خرائط معدة مسبقًا ومدخلات بشرية مستمرة. يكسر LEGO-H هذا النمط من خلال توحيد الملاحة والحركة في إطار عمل واحد لتعلم السياسات. يتيح ذلك للروبوتات تطوير استراتيجيات حركتها الخاصة بشكل عضوي بناءً على بيئتها وموقفها، دون الحاجة إلى أنماط مبرمجة مسبقًا. في عمليات المحاكاة، تم تزويد الروبوتات بمدخلات بصرية، ووعي بالجسم، واتجاه عام لنظام تحديد المواقع العالمي (GPS)، بدلاً من تعليمات مفصلة خطوة بخطوة.
عند اختبارها على روبوتات محاكية بأحجام مختلفة تعبر مسارات متنوعة بمستويات صعوبة متعددة، أدت الروبوتات المستقلة أداءً مماثلاً أو حتى أفضل من نظيراتها التي تمتلك معلومات بيئية مثالية. أثبت وعيها الجسدي المدمج أهميته الحاسمة في منع التلف والحفاظ على الاستقرار. أظهرت الروبوتات قدرة رائعة على التكيف، حيث تعلمت الميل جانبيًا للتنقل في المساحات الضيقة، وتجاوز العوائق الأصغر، والمشي حول العوائق الأكبر. ومن الجدير بالذكر أن الروبوتات تمكنت من استعادة توازنها بعد التعثر، وهو سلوك ناشئ لم يتم برمجته صراحة في النظام.
بينما ركزت هذه الدراسة الأولية على حركات الأرجل مع جسم علوي ثابت لإدارة التعقيد، يعمل فريق البحث بنشاط على دمج التنسيق الكامل للجسم. سيسمح هذا للروبوتات بالاستفادة من نطاق حركتها الكامل لتعزيز الاستقرار والسلامة والكفاءة. الهدف النهائي هو تكييف هذه السياسات المتعلمة مع الروبوتات البشرية المادية التي تعمل في ظروف العالم الحقيقي.









