#

النقاط الرئيسية

• قدّمت Ai2 بيئة ToyBlocks بوصفها أول بيئة ضمن إطار FoundationWorlds.

• تتضمن مساحة العمل المحاكاة ذراعًا روبوتية وكتلًا على سطح طاولة.

• تشمل المهام الدفع والقلب والتكديس والعثور والفرز وترتيب الكتل.

• يتضمن المشروع الشيفرة والبيانات والنماذج والوثائق.

• تحتوي مجموعة البيانات الأولية على 85,336 عرضًا توضيحيًا طويل الأمد.

Ai2 تقدّم بيئة مضبوطة لتعلّم الروبوتات

قدّمت Ai2 بيئة ToyBlocks في 6 نوفمبر بوصفها أول بيئة ضمن إطار FoundationWorlds الخاص بها لأبحاث تعلّم الروبوتات الخاضعة للضبط. يستخدم النظام مساحة عمل محاكاة مع ذراع روبوتية وكتل على سطح طاولة. وهو مصمم لتجارب يمكن فيها للباحثين تغيير بيانات التدريب والتقييمات مع إبقاء البيئة العامة مضبوطة.

يقدّم هذا الإعلان ToyBlocks بوصفها بيئة بحثية لا منتجًا عامًا. وهي تركز على العروض التوضيحية طويلة الأمد وعلى كيفية تعلّم سياسات الروبوتات منها. وترتبط صفحة المشروع بالشيفرة والبيانات والنماذج والوثائق.

ما الذي يتيح ToyBlocks للباحثين اختباره

يتضمن ToyBlocks مهامًا مثل دفع الكتل وقلبها وتكديسها والعثور عليها وفرزها وترتيبها. وتتيح الحروف والصور على أوجه الكتل اختبار مهام يجب فيها على الذراع كشف وجه مخفي قبل التصرف. وتدعم هذه التفاصيل تجارب تعتمد على مظهر الكائنات وترتيب الأفعال.

تقول Ai2 إن الباحثين يمكنهم تغيير مزيج العروض التوضيحية. فعلى سبيل المثال، يمكنهم توليد مزيد من الأمثلة لحركة معينة. كما يمكنهم تغيير تسلسلات المهارات وألوان الكتل وحروفها وعدد الكائنات ومواضع مساحة العمل. وتدعم هذه التغييرات اختبارات التعميم داخل إعداد مضبوط.

كيف يبني النظام العروض التوضيحية

تستخدم Ai2 التعلم المعزز وتخطيط الحركة لبناء مهارات قصيرة. ثم تستخدم مخطط مهام وحركة لدمج تلك المهارات في عروض توضيحية أطول. ويؤدي تشغيل هذه الخطط في المحاكاة إلى إنتاج عروض توضيحية من دون تشغيل بشري عن بُعد للذراع.

تكتسب هذه البنية أهمية لأنها تفصل بين إنشاء المهارة وتركيب المهمة. وتميّز الإعلانات بين النماذج عالية المستوى التي تختار المهارات ونماذج الأفعال منخفضة المستوى التي تنفذها. ويمنح هذا الفصل الباحثين طبقتين لدراستهما في البيئة نفسها.

وتصف التدوينة أيضًا اختبارًا للتكديس. في هذا الاختبار، تُستبعد أكوام من أربع كتل أثناء التدريب. ثم يقيس الباحثون ما إذا كانت السياسة قادرة على دمج المهارات المألوفة لبنائها. ويُظهر المثال كيف يمكن لـ ToyBlocks اختبار التركيب، وليس الأفعال المنفردة فقط.

حجم مجموعة البيانات ونطاق البحث

تذكر Ai2 أن مجموعة البيانات الأولية تحتوي على 85,336 عرضًا توضيحيًا طويل الأمد، وما يقرب من 1,600 ساعة من بيانات تنفيذ الروبوت، و144 مليون إطار. وتصف هذه الأرقام حجم الإصدار الأولي. كما تشير إلى أن المشروع مصمم لتجارب متكررة عبر العديد من تنويعات المهام.

يوضح الإعلان أن النتائج الأولية تتعلق بمهام ToyBlocks المضبوطة. كما تشير إلى أن تجارب منفصلة في العالم الحقيقي موصوفة في التدوينة. ويحافظ هذا التمييز على التركيز على البيئة المحاكاة مع الإقرار بأن المشروع الأوسع يتضمن أكثر من إعداد واحد.

لماذا يهم هذا الإصدار للتجريب

يمنح ToyBlocks الباحثين طريقة لدراسة تعلّم الروبوتات تحت تغييرات مضبوطة. ويمكنهم تغيير مزيج البيانات وبنية المهمة والخصائص البصرية للكتل. كما يمكنهم مقارنة التخطيط عالي المستوى بالتنفيذ منخفض المستوى ضمن إطار واحد.

ينظم هذا الإصدار حول قابلية إعادة الإنتاج والتنوع. وتسهّل الشيفرة والبيانات والنماذج والوثائق المرتبطة فحص المشروع وإعادة استخدامه. وبالنسبة للقراء الذين يتابعون أبحاث تعلّم الروبوتات، فالفكرة الرئيسية بسيطة: صُمم ToyBlocks لجعل التجارب المضبوطة أسهل في التنفيذ والمقارنة.