MIT CSAIL تكشف عن 'Masked IRL': ثورة في فهم الروبوتات للأوامر البشرية الغامضة بفضل النماذج اللغوية الكبيرة وكفاءة غير مسبوقة

كشف باحثون في مختبر علوم الحاسوب والذكاء الاصطناعي (CSAIL) بمعهد ماساتشوستس للتكنولوجيا (MIT) عن منهجية مبتكرة تُعرف باسم 'التعلم المعزز العكسي المقنع' (Masked Inverse Reinforcement Learning - Masked IRL)، والتي تُعزز بشكل كبير قدرة الروبوتات على فهم وتفسير التعليمات البشرية الغامضة.

تستفيد منهجية Masked IRL من قوة النماذج اللغوية الكبيرة (Large Language Models - LLMs) لتوضيح أوامر المستخدمين (User Prompts) بناءً على بيانات العروض التوضيحية المُقدمة. يمكّن هذا الروبوتات من تمييز التفضيلات غير المُعلنة وتحديد التفاصيل الجوهرية لعملية تخطيط حركتها (Motion Planning)، متجاوزة بذلك مجرد الأوامر الصريحة.

تعزيز فهم الروبوتات وكفاءتها

يكمن الابتكار الجوهري لـ Masked IRL في قدرتها على مساعدة الروبوتات في توضيح التعليمات الغامضة تلقائياً. تُظهر هذه المنهجية كفاءة ملحوظة، إذ تتطلب بيانات عروض توضيحية أقل بخمس مرات تقريباً مقارنة بتقنيات التعلم المعزز العكسي (Inverse Reinforcement Learning) التقليدية. في التقييمات، نجحت Masked IRL باستمرار في تحديد التفضيلات غير المعلنة للمستخدمين بدقة أعلى بنسبة تصل إلى 15% من الأنظمة المرجعية المشابهة، وذلك عبر مجموعة متنوعة من المهام الروبوتية الافتراضية والواقعية.

يتضمن تدريب Masked IRL استخدام العروض الحركية (Kinesthetic Demonstrations)، حيث يقوم المشغلون البشر بتوجيه الروبوت فيزيائياً عبر الإجراءات المطلوبة. هذا الإدخال البديهي للبيانات، بالاقتران مع تفسير النماذج اللغوية الكبيرة (LLM Interpretation)، يمكّن الروبوت من استنتاج النوايا الكامنة بشكل أكثر فعالية.

تطبيقات واقعية وتوجهات مستقبلية

تجلّى التأثير العملي لـ Masked IRL من خلال ذراع روبوتية حقيقية تم تدريبها باستخدام 50 عرضاً حركياً فقط. نجحت هذه الذراع في أداء مهام معقدة مثل نقل كوب بعناية مع تجنب عقبة، ومسح طاولة بدقة مع الحفاظ على القرب منها، وتسليم كيس رقائق لمستخدم مع الحفاظ على المسافة المناسبة من الإنسان والطاولة على حد سواء. تُبرز هذه الأمثلة قدرة المنهجية على دمج الفهم السياقي الدقيق في عمليات الروبوتات.

ساهم مين يونغ هوانغ (Minyoung Hwang)، طالب دكتوراه وباحث في CSAIL بمعهد MIT، كمؤلف رئيسي للورقة البحثية التي تتناول مشروع Masked IRL. حظي البحث بدعم من مجموعة تاتا (Tata Group) من خلال جائزة اتحاد تأثير الذكاء الاصطناعي التوليدي (Generative AI Impact Consortium Award) من MIT، ومن وزارة الدفاع الأمريكية (Department of Defense). وبالنظر إلى المستقبل، يخطط باحثو CSAIL لتطوير Masked IRL بدمج الكاميرات (Cameras)، مما يمكّن الروبوتات من استشعار محيطها ديناميكياً والتركيز على عناصر بيئية محددة، مما يعزز قدرتها على التكيف والذكاء.

من المقرر عرض نتائج هذا المشروع في مؤتمر IEEE الدولي للروبوتات والأتمتة (IEEE International Conference on Robotics and Automation) لعام 2026 في شهر يونيو، مما يمثل خطوة مهمة إلى الأمام في التعاون بين الإنسان والروبوت وفي تطوير الأنظمة الذاتية (Autonomous Systems).