
پژوهشگران موفق شدهاند یک مدل هوش مصنوعی را بدون آموزش مستقیم روی ربات واقعی، در محیط شبیهسازیشده آموزش دهند و سپس آن را برای کنترل یک ربات فیزیکی به کار بگیرند. این آزمایش نشان میدهد هوش مصنوعی میتواند مهارتهایی را که در دنیای مجازی یاد گرفته است، به دنیای واقعی منتقل کند.
این پروژه با استفاده از سامانهای به نام PEAR انجام شده و مدل هوش مصنوعی Qwen3.8-27B با ۲۷ میلیارد پارامتر در آن مورد آموزش قرار گرفته است. پژوهشگران برای آموزش این مدل از روش یادگیری تقویتی (Reinforcement Learning) استفاده کردند؛ روشی که در آن هوش مصنوعی با انجام کارهای مختلف و دریافت بازخورد، بهتدریج عملکرد خود را بهبود میدهد.
هوش مصنوعی چه مهارتهایی یاد گرفت؟
مدل ابتدا در محیطهای شبیهسازیشده تمرین کرد تا بتواند دو کار مشخص را انجام دهد:
-
برداشتن اجسام با استفاده از بازوی رباتیک
-
قرار دادن و تنظیم بلوکها در موقعیت صحیح
پس از پایان آموزش، پژوهشگران مدل را روی یک ربات واقعی دوبازویی به نام YAM آزمایش کردند؛ رباتی که این هوش مصنوعی پیش از آن در فرایند آموزش با آن کار نکرده بود.
نتیجه آزمایش شگفتانگیز بود!
در مجموع ۳۰ آزمایش واقعی انجام شد که نتایج آن به این شکل بود:
-
مدل اصلی و آموزشندیده: صفر موفقیت از ۳۰ آزمایش
-
مدل آموزشدیده در محیط شبیهسازی LIBERO: موفقیت در ۷ آزمایش
-
مدل نهایی آموزشدیده با محیطهای LIBERO و RoboDojo: موفقیت در ۱۸ آزمایش
به عبارت دیگر، مدل نهایی توانست در ۶۰ درصد آزمایشهای واقعی موفق عمل کند. از این تعداد، ۱۲ مورد مربوط به برداشتن اجسام و ۶ مورد مربوط به تنظیم بلوکها بود.
چرا این دستاورد اهمیت دارد؟
یکی از مشکلات بزرگ توسعه رباتهای هوشمند، هزینه و زمان موردنیاز برای آموزش آنها در دنیای واقعی است. برای اینکه یک ربات بتواند اشیای مختلف را بردارد یا با محیط اطراف خود تعامل کند، معمولاً به آزمایشهای متعدد و دادههای واقعی نیاز دارد.
اما این پژوهش نشان میدهد میتوان بخش مهمی از فرایند آموزش را در محیطهای مجازی انجام داد و سپس مهارتهای بهدستآمده را به رباتهای واقعی منتقل کرد.
البته این فناوری هنوز محدودیتهایی دارد. آزمایشها تنها روی دو نوع وظیفه و ۳۰ تلاش واقعی انجام شدهاند و سرعت تصمیمگیری مدل نیز به دلیل نیاز به استدلالهای طولانی پایین است. همچنین نتایج این پژوهش هنوز بهصورت مستقل تکرار و تأیید نشدهاند.
در مجموع، این دستاورد میتواند مسیر توسعه رباتهای هوشمند را تغییر دهد و در آینده هزینه آموزش رباتها را کاهش دهد. اگر این فناوری در آزمایشهای گستردهتر نیز موفق باشد، میتوان انتظار داشت رباتها بدون نیاز به تمرین طولانی در محیط واقعی، مهارتهای جدیدی را یاد بگیرند و در کارخانهها، انبارها و صنایع مختلف به کار گرفته شوند.

ورود / ثبت نام



ثبت نظر