يواجه الروبوت تحدّيات كبيرة عند التعامل مع العالم الواقعي، حيث يتطلّب تفسير كلّ نقطة بيانات جهداً حسابياً ضخماً ووقتاً طويلاً. ولتسهيل هذه المهمة، طوّر باحثو معهد ماساتشوستس للتقنية (MIT) نهجاً جديداً أطلقوا عليه اسم "الأهمية" (Relevance)، يهدف إلى مساعدة الروبوتات على التركيز على السّمات والعناصر الأكثر صلة بالمشهد من أجل خدمة البشر بشكل أكثر كفاءة.

يعتمد النهج الجديد على استغلال الإشارات السمعية والبصرية لاستنتاج هدف الإنسان وتحديد الأشياء ذات الصلة لتحقيق هذا الهدف، ثم تنفيذ مناورات لتقديم هذه الأشياء أو المساعدة المطلوبة بطريقة آمنة. وقد أثبتت التجارب أن الروبوت، باستخدام هذا النظام، تمكن من توقع أهداف البشر بدقة 90%، وتحديد العناصر ذات الصلة بنسبة 96%، مع تحسّن كبير في السلامة وتقليل الاصطدامات بنسبة تزيد عن 60%.

استلهم الباحثون هذا النهج من نظام تنشيط الشبكة الشبكية (RAS) في الدماغ البشري، الذي يقوم بتصفية المحفّزات غير المهمّة، ثم تركيز الانتباه على المعلومات ذات الصّلة، ممّا يمنع الحمل الحسيّ الزائد.

صورة تعبيرية

يتكون نظام "الأهمية" من أربع مراحل رئيسية:

*مرحلة الإدراك: يراقب الروبوت المشهد عبر أدوات ذكاء اصطناعي، تشمل نماذج لغوية كبيرة (LLMs) لتحليل الحوارات، وخوارزميات لرصد وتصنيف الكائنات والأفعال والأهداف.

*مرحلة التحقق: يجري النظام فحوص دورية لرصد الأحداث المهمّة، مثل دخول إنسان إلى البيئة.

*مرحلة تحديد الأهمية: عند استشعار حدث مهمّ، يحلّل النظام الإشارات لتحديد فئات وعناصر الأشياء الأكثر ارتباطًا بهدف الإنسان، مستبعدًا ما هو غير ضروري.

*مرحلة التخطيط والتنفيذ: يخطط الروبوت لمسار آمن لتقديم الأشياء أو المساعدة المناسبة للإنسان.

اختبر الباحثون النظام في سيناريو يحاكي بوفيه إفطار، باستخدام بيانات "مجموعة أعمال الإفطار"، فأثبت الروبوت كفاءته في تقديم المساعدة المناسبة بناءً على الأهداف المستنتجة من الإشارات البصرية والسمعية.

ويهدف الفريق إلى توسيع تطبيق هذا النظام ليشمل بيئات العمل والمخازن وحتى المنازل، مما يعزز التفاعل الطبيعي والمرن بين البشر والروبوتات.

تم تنفيذ هذا البحث بدعم من مدينة الملك عبد العزيز للعلوم والتقنية (KACST) من خلال مركز النظم الهندسية المعقدة المشترك بين MIT وKACST.