NVIDIA تطلق DoorMan نظام روبوتي يفتح الأبواب بكفاءة تتفوق على الخبراء البشريين
كشفت شركة إنفيديا عن نظام تعلّم روبوتي جديد يحمل اسم DoorMan، يتيح للروبوتات البشرية تنفيذ مهمة فتح الأبواب بسرعة وكفاءة تفوق أداء المشغلين البشريين. وقد جرى اختبار النظام على الروبوت البشري Unitree G1 الذي يبلغ ثمنه 16 ألف دولار، معتمداً فقط على كاميرات RGB المدمجة، وبالاعتماد الكامل على تقنيات التعلّم المعزز داخل بيئات محاكاة دون أي تعديلات أو ضبط إضافي في العالم الحقيقي.
وأظهرت التجارب أن الروبوت المزوّد بنظام DoorMan تمكن من فتح الأبواب بسرعة تزيد بنسبة 31% عن سرعة الخبراء البشريين، مع تحقيق معدل نجاح أعلى، ما يجعله إنجازاً مهماً في مجال التحكم الحركي-المناوراتي الذي يجمع بين المشي والرؤية والتنسيق وتحريك الأطراف في بيئة ديناميكية.
ويعتمد DoorMan على نهج “من البكسل إلى الحركة”، حيث يتم تدريب النموذج بالكامل داخل منصة المحاكاة Isaac Lab التابعة لإنفيديا، ثم نقله مباشرة إلى الروبوت الحقيقي دون إعادة تدريب. وعلى عكس العديد من الأنظمة الحالية التي تتطلب حساسات عمق أو أنظمة تتبع، يعتمد DoorMan فقط على الكاميرا التقليدية، مما يمنحه مرونة أعلى في البيئات غير المتوقعة.
وتغلب الباحثون على التحديات التقليدية في التعلّم المعزز—وخاصة صعوبة استكشاف الخطوات المطلوبة لإتمام المهام—من خلال تقنية إعادة الترتيب المرحلي. حيث تُحفظ نقطة نجاح الروبوت في الإمساك بمقبض الباب ضمن المحاكاة لتكون نقطة انطلاق في الجولات التدريبية اللاحقة، ما سرّع من تعلم المراحل المتقدمة دون إعادة تعلم كل خطوة من البداية.
كما تم حل مشكلة فقدان رؤية مقبض الباب أثناء الاقتراب باستخدام تقنية Group Relative Policy Optimization، التي تدفع الروبوت لاعتماد سلوكيات تحافظ على العناصر الأساسية ضمن مجال الرؤية، مثل التراجع قليلاً أو تعديل زاوية الرأس.
ويُعد روبوت Unitree G1 منصة رائجة في الأبحاث الأكاديمية والصناعية حول العالم، حيث تستخدمه مؤسسات مرموقة مثل جامعة كاليفورنيا في سان دييغو وجامعة بوردو. وفي دراسة DoorMan، تمت مقارنة أداء الروبوت بنظام الرؤية والتعلم الآلي بأداء مشغلين بشريين يعتمدون على التحكم عبر الواقع الافتراضي، حيث أظهرت النتائج أن البشر يواجهون صعوبات في الإحساس بالقوة المناسبة أو يتسببون بحركات زائدة قد تعطل التوازن.
وبحسب نتائج الدراسة، حقق النظام الآلي نسبة نجاح بلغت 83%، مقابل 80% للخبراء البشريين و60% لغير الخبراء. ويعزو الباحثون هذا التفوق إلى تنوع سيناريوهات التدريب داخل المحاكاة، حيث تم تدريب DoorMan على ملايين الأبواب المختلفة في الشكل والصلابة والمواد ونوع المقابض، مما جعل العالم الحقيقي مجرد حالة إضافية ضمن نطاق واسع من التجارب.
ويصف الباحثون DoorMan بأنه أول نظام روبوتي قادر على تنفيذ مهام حركية معقدة باستخدام رؤية RGB فقط، مع تدريب كامل في بيئة محاكاة ونقل مباشر إلى الواقع دون أي ضبط إضافي — خطوة رئيسية نحو جيل جديد من الروبوتات التي تتعلم بسرعة وبأقل اعتماد على بيانات بشرية.
