يقوم Google DeepMind بتوحيد الباحثين في محاولة لإنشاء ImageNet من إجراءات الروبوت

من بين جميع الكؤوس المقدسة في مجال الروبوتات، قد يكون التعلم هو الأقدس. ولكن في عصر أصبح فيه مصطلح “الغرض العام” متداولاً بكثرة، فقد يكون من الصعب على غير المتخصصين في مجال الروبوتات أن يفهموا ما تستطيع أنظمة اليوم أن تفعله وما لا تستطيع أن تفعله. والحقيقة هي أن معظم الروبوتات هذه الأيام مصممة للقيام بشيء واحد (أو شيئين، إذا كنت محظوظًا) بشكل جيد حقًا.

إنها الحقيقة التي تشمل الصناعة، بدءًا من أدنى فراغ آلي وحتى النظام الصناعي الأكثر تقدمًا. إذًا، كيف يمكننا الانتقال من الروبوتات ذات الأغراض الفردية إلى الروبوتات ذات الأغراض العامة؟ ومن المؤكد أنه سيكون هناك الكثير من المحطات في الأراضي متعددة الأغراض على طول الطريق.

الجواب بالطبع هو التعلم الآلي. قم بزيارة أي مختبر لأبحاث الروبوتات تقريبًا هذه الأيام وستجد فرقًا تعمل على معالجة المشكلة. الأمر نفسه ينطبق على الشركات الناشئة والشركات أيضًا. انظر إلى شركتي Viam وIntrinsic، اللتين تعملان على خفض حاجز الدخول لبرمجة الروبوتات.

إن الحلول تسير في نطاق واسع إلى حد ما في الوقت الحالي، ولكن أصبح من الواضح بالنسبة لي بشكل متزايد أن هذه مشكلة لن يتم حلها برصاصة سحرية واحدة. وبدلا من ذلك، يكاد يكون من المؤكد أن بناء أنظمة أكثر تعقيدا وقدرة سيتطلب مجموعة من الحلول. ومع ذلك، فإن الأمر الأساسي بالنسبة لمعظم هذه الأمور هو الحاجة إلى مجموعة بيانات كبيرة ومشتركة.

أعلن فريق الروبوتات DeepMind من Google هذا الأسبوع عن العمل الذي قام به مع 33 معهدًا بحثيًا مصممًا لإنشاء قاعدة بيانات ضخمة ومشتركة تسمى Open X-Embodiment. وشبهه الباحثون القائمون على المشروع بـ ImageNet، وهي قاعدة بيانات تضم أكثر من 14 مليون صورة يعود تاريخها إلى عام 2009.

“تمامًا كما دفعت ImageNet أبحاث الرؤية الحاسوبية، نعتقد أن Open X-Embodiment يمكن أن تفعل الشيء نفسه لتطوير الروبوتات،” لاحظ الباحثون في DeepMind، Quan Vuong وPannag Sanketi. “إن بناء مجموعة بيانات من العروض التوضيحية المتنوعة للروبوتات هو الخطوة الأساسية لتدريب نموذج عام يمكنه التحكم في العديد من أنواع الروبوتات المختلفة، واتباع التعليمات المتنوعة، وتنفيذ التفكير الأساسي حول المهام المعقدة والتعميم بفعالية.”

ويضيفون أن مثل هذه المهمة أكبر بكثير من أن يُعهد بها إلى مختبر واحد. تضم قاعدة البيانات أكثر من 500 مهارة و150.000 مهمة مأخوذة من 22 نوعًا مختلفًا من الروبوتات. وكما يوحي الجزء “المفتوح” من الاسم، فإن منشئيه يجعلون البيانات متاحة لمجتمع البحث.

ويضيف الفريق: “نأمل أن يؤدي توفير البيانات من المصادر المفتوحة وتوفير نماذج آمنة ولكن محدودة إلى تقليل الحواجز وتسريع البحث”. “يعتمد مستقبل الروبوتات على تمكين الروبوتات من التعلم من بعضها البعض، والأهم من ذلك، السماح للباحثين بالتعلم من بعضهم البعض.”