به گزارش هفت صبح محققان دانشگاه نانجینگ بهتازگی هوش مصنوعی لازم برای اجرای واقعی این صحنه را ساختهاند. این تیم میگوید این اولین بار است که چندین ربات انساننما یاد میگیرند تا در یک فعالیت فیزیکی مشترک، با چنین دقت بالایی با یکدیگر همکاری کنند.
این سیستم که «ماروُپ» (Marope) نامیده میشود، به رباتها آموزش میدهد که چگونه طنابزنی گروهی را هماهنگ کنند. این بازی معمولاً به دو نفر نیاز دارد که یک طناب مشترک را بچرخانند و فرد سوم با رعایت ریتم، از میان آن بپرد. محققان جزئیات این رویکرد را در یک مقاله پیشانتشار (Preprint) ارائه کرده و ویدئوهای نمایشی آن را در صفحه اختصاصی پروژه منتشر کردهاند. چرا این کار دشوار است؟
طنابزنی گروهی با اکثر پژوهشهای مربوط به «ورزش رباتیک» که تا به امروز انجام شده، تفاوت دارد. پروژههای قبلی در زمینه ورزش رباتیک (از جمله رباتهایی که تنیس روی میز بازی میکنند، میرقصند یا میدوند) معمولاً شامل یک ربات واحد است که به تنهایی عمل میکند یا به یک شیء خارجی واکنش نشان میدهد.
در مقابل، طنابزنی گروهی مستلزم «کار تیمی واقعی» میان چندین ربات است. دو ربات باید طنابی مشترک را با حرکتی منسجم تاب دهند، در حالی که همزمان تعادل و پایداری خود را روی زمین حفظ کنند. خودِ طناب نیز به شکلی غیرقابل پیشبینی خم و راست میشود و برخلاف اشیاء صلب (سخت)، نمیتوان شکل آن را مستقیماً کنترل کرد. علاوه بر این، رباتهای چرخاننده باید زمانبندی تاب دادن خود را با پریدهزن (Jumper) هماهنگ کنند که ریتم او ممکن است مدام تغییر کند. یک رویکرد سه لایه
سیستم Marope این مشکل را در سه مرحله حل میکند:
۱. یادگیری تقویتشده چندعاملی (Multi-agent Reinforcement Learning): ابتدا دو رباتِ طنابچرخان، یک سیاست غیرمتمرکز و مشترک برای تاب دادن طناب یاد میگیرند. این ویژگی به هر ربات اجازه میدهد حرکات خودش را کنترل کند، در حالی که در نهایت یک حرکت هماهنگ برای طناب ایجاد میشود.
۲. سیاست زمانبندی (Scheduling Policy): یک سیاست زمانبندی مجزا در لایه بالاتر قرار دارد که دستورات رباتهای چرخاننده را بهصورت لحظهای (Real-time) تنظیم میکند. این کار باعث میشود چرخش طناب با زمانبندی پریدهزن همراستا بماند و از برخورد رباتها با هم جلوگیری شود.
۳. تعمیمپذیری در پرش: در نهایت، محققان خودِ رباتِ پریدهزن را با طیف وسیعی از سبکهای مختلف پرش آموزش دادند تا سیستم بتواند با الگوهای مختلف پرش سازگار شود و صرفاً به یک الگوی پرش قابل پیشبینی محدود نماند. آزمایش در دنیای واقعی
محققان سیستم Marope را در محیط شبیهسازیشده با چندین روش سادهشده (Baseline) مقایسه کردند؛ از جمله نسخهای که در آن یک عامل واحد، هر دو ربات چرخاننده را از طریق یک سیاست ترکیبی کنترل میکرد. طبق نتایج گزارش شده در مقاله، رویکرد Marope در مقایسه با این روشها، خطای ردیابی طناب را کاهش داده و میزان لغزش پاها را به حداقل رسانده است.
تیم پژوهشی همچنین این سیستم را روی رباتهای انساننمای واقعی مدل Unitree G1 پیادهسازی کرد. در این آزمایشها، سیستم با موفقیت توانست هماهنگی میان «ربات-با-ربات» در چرخش طناب را برقرار کند. همچنین طبق مستندات و ویدئوهای منتشر شده، این سیستم توانست سناریوهایی را که در آن انسان و ربات با هم در طنابزنی مشارکت داشتند، با موفقیت مدیریت کند. محدودیتهایی که تیم اذعان کرده است
محققان درباره نقاط ضعف فعلی Marope نیز صریح بودند. این چارچوب بهطور خاص برای طنابزنی گروهی ساخته شده و بهطور خودکار برای سایر وظایف همکاریمحور انساننماها قابل تعمیم نیست. همچنین سیستم فعلی در هر لحظه تنها یک پریدهزن را مدیریت میکند و مدلهای پیچیدهتر مانند «دابلداچ» (Double Dutch - طنابزنی با دو طناب) هنوز حل نشدهاند.
علاوه بر این، تیم فعلاً برای ردیابی لحظهای طناب و شرکتکنندگان به یک سیستم «ردیابی حرکت» (Motion-capture) وابسته است. برای اینکه این رباتها بتوانند در محیطهای روزمره با انسانها هماهنگ شوند، این سیستم باید با سنسورهای نصبشده روی خودِ ربات (Onboard Sensors) جایگزین شود. محققان تغییر مسیر به سمت «ادراک داخلی ربات» (Onboard Perception) را یکی از جهتگیریهای امیدوارکننده برای تحقیقات آینده میدانند.
