علم محرر موقع Downcodes أن فريق بحث سيرجي ليفين في مختبر BAIR بجامعة كاليفورنيا، بيركلي، نجح في تطوير إطار للتعلم المعزز يسمى HIL-SERL، والذي يهدف إلى اختراق عنق الزجاجة في الروبوتات التي تتعلم مهارات التشغيل المعقدة، خاصة في الواقع. - بيئات العالم . تجمع هذه التكنولوجيا بين العرض والتصحيح البشري، وتطبق خوارزميات التعلم المعزز الفعالة، مما يسمح للروبوتات بإتقان مجموعة متنوعة من العمليات الدقيقة في وقت قصير جدًا، مما يحسن الكفاءة بشكل كبير ويوفر اتجاهًا جديدًا للتطوير المستقبلي في مجال الروبوتات.
تجمع هذه التقنية الجديدة بين العرض البشري والتصحيح مع خوارزميات التعلم المعزز الفعالة، مما يمكّن الروبوتات من إتقان مجموعة متنوعة من مهام التشغيل الدقيقة والبراعة، مثل المعالجة الديناميكية، والتجميع الدقيق، والتعاون ثنائي الذراع، في غضون ساعة إلى ساعتين ونصف فقط.
في الماضي، كان من الصعب على الروبوتات تعلم مهارات جديدة، وكان الأمر أشبه بتعليم طفل شقي كتابة الواجبات المنزلية، وكان لا بد من تعليمه خطوة بخطوة وتصحيحه مرارًا وتكرارًا. والأمر الأكثر إزعاجًا هو أنه في العالم الحقيقي، تكون المواقف المختلفة معقدة وقابلة للتغيير، وغالبًا ما تتعلم الروبوتات ببطء، وتنسى بسرعة، وتنقلب عن طريق الخطأ.
بعد سلسلة من التجارب، أصبح تأثير HIL-SERL مذهلاً. وفي مختلف المهام، حقق الروبوت معدل نجاح يقارب 100% خلال ساعة إلى ساعتين ونصف فقط، وأصبحت سرعة التشغيل أسرع مرتين تقريبًا من ذي قبل.
والأهم من ذلك، أن HIL-SERL هو أول نظام يستخدم التعلم المعزز لتحقيق التنسيق ثنائي الذراع بناءً على إدخال الصورة في العالم الحقيقي، أي أنه يمكن أن يسمح لذراعي الروبوت بالعمل معًا لإكمال المهام الأكثر تعقيدًا، على سبيل المثال، تجميع أحزمة التوقيت هي عملية تتطلب درجة عالية من التنسيق.
إن ظهور HIL-SERL لا يسمح لنا برؤية الإمكانات الهائلة لتعلم الروبوتات فحسب، بل يشير أيضًا إلى الاتجاه للتطبيقات والأبحاث الصناعية المستقبلية. ربما، في المستقبل، سيكون لدى كل واحد منا مثل هذا الروبوت "المتدرب" في المنزل، ليساعدنا في الأعمال المنزلية، وتجميع الأثاث، وحتى ممارسة الألعاب معنا. من الرائع التفكير في الأمر!
وبطبيعة الحال، لدى HIL-SERL أيضًا بعض القيود. على سبيل المثال، قد لا يكون قادرًا على التعامل مع المهام التي تتطلب تخطيطًا طويل المدى. بالإضافة إلى ذلك، يتم حاليًا اختبار HIL-SERL بشكل أساسي في بيئات معملية ولم يتم التحقق منها في سيناريوهات العالم الحقيقي واسعة النطاق. ومع ذلك، أعتقد أنه مع تقدم التكنولوجيا، سيتم حل هذه المشاكل تدريجيا.
عنوان الورقة: https://hil-serl.github.io/static/hil-serl-paper.pdf
عنوان المشروع: https://hil-serl.github.io/
جلب التقدم المذهل في إطار HIL-SERL أملاً جديدًا لتطوير تكنولوجيا الروبوتات، وآفاق تطبيقه في العالم الحقيقي واسعة. على الرغم من أنه لا تزال هناك بعض القيود في الوقت الحاضر، إلا أننا نعتقد أنه مع استمرار البحث والتحسين، ستلعب HIL-SERL دورًا أكبر في المستقبل وستوفر المزيد من الراحة لحياة الناس.