شاهد: أول نموذج ذكاء اصطناعي مجسد في العالم يَعِد بروبوتات أكثر ذكاءً وقدرة
كشفت شركة Robbyant، وهي شركة ذكاء اصطناعي مجسدة ضمن مجموعة Ant Group الصينية، عن LingBot-VA 2.0، واصفة إياه بأنه أول نموذج عالمي لحركة الفيديو المجسدة في الصناعة للروبوتات. تم إنشاء النموذج من الصفر لمهام العالم المادي بدلاً من تكييف نماذج إنشاء الفيديو المصممة أصلاً لإنشاء المحتوى الرقمي. باستخدام بنية الانحدار الذاتي، يتنبأ LingBot-VA 2.0 بكيفية تغيير تصرفات الروبوت للبيئة ويحدد الإجراء التالي بناءً على تلك العلاقات السببية. وتقول الشركة إن هذا النهج يعمل على تحسين الدقة المادية وكفاءة التنفيذ والتعميم للتطبيقات الروبوتية في العالم الحقيقي. إعادة تعريف تعلم الروبوت يصف Robbyant LingBot-VA 2.0 بأنه أول نموذج عالمي لحركة الفيديو مجسد في الصناعة مصمم خصيصًا للروبوتات بدلاً من تكييفه من أنظمة توليد المحتوى الرقمي. يمثل الإصدار تحولًا في نماذج أساس الروبوتات من خلال تصميم الذكاء الاصطناعي أصلاً للعالم المادي. على عكس الأساليب التقليدية التي تعمل على ضبط نماذج توليد الفيديو للتحكم في الروبوت، تم تدريب LingBot-VA 2.0 مسبقًا من الصفر باستخدام بنية الانحدار الذاتي التي تركز على نمذجة العالم الديناميكي، والتنبؤ السببي، والتنفيذ في الوقت الفعلي. وفقًا للشركة، يسمح هذا للنموذج بالتنبؤ بكيفية تغيير تصرفات الروبوت لمحيطه واختيار الإجراء التالي بناءً على تلك النتائج المتوقعة. تعتمد معظم أنظمة الذكاء الاصطناعي المجسدة الحالية على نماذج الفيديو التي تم تطويرها في الأصل لإنشاء محتوى رقمي. على الرغم من فعاليتها في إنشاء صور واقعية، إلا أن هذه النماذج تعطي الأولوية لجودة الصورة والإبداع على الدقة المادية وسرعة التنفيذ. يقول روبيانت إن تكييفها مع الروبوتات غالبًا ما يقلل من التعميم ويحد من الأداء في العالم الحقيقي. يعالج LingBot-VA 2.0 هذه التحديات من خلال أربعة ابتكارات معمارية. يقوم رمز الفعل المرئي الدلالي بضغط المعلومات المرئية ومعلومات الحركة بشكل مشترك، مما يمكّن النموذج من ترجمة التعليمات بشكل أفضل إلى حركات الروبوت. تضمن استراتيجية التدريب المسبق السببية الصارمة أن تتبع التنبؤات التسلسل الزمني الصحيح، في حين تعمل بنية خليط الخبراء (MoE) على زيادة سعة النموذج دون التضحية بكفاءة الاستدلال. تسمح آلية الاستدلال غير المتزامن المحسنة للروبوتات بالتنبؤ بالحالات المستقبلية أثناء تنفيذ الإجراءات وتحديث القرارات باستمرار باستخدام ملاحظات العالم الحقيقي. وتقول الشركة إن هذه التطورات تتيح التحكم في الحلقة المغلقة في الوقت الفعلي بتردد 150 هرتز على وحدة معالجة رسومات واحدة. يمكن للنموذج أيضًا التكيف مع مهام المعالجة الجديدة مع ما لا يقل عن 20 عرضًا توضيحيًا من خلال التعلم في السياق، مما يلغي الحاجة إلى تحديثات المعلمات. ذكاء الروبوت التنبؤي تعمل LingBot-VA على توحيد التنبؤ بالفيديو المستقبلي وتعلم السياسات ضمن إطار انحدار ذاتي واحد، والتعلم المشترك للديناميكيات البصرية وإجراءات الروبوت. يتم تدريبه مسبقًا على مجموعات بيانات إجراءات الفيديو الروبوتية واسعة النطاق قبل ضبطه جيدًا للمهام النهائية. أثناء التشغيل، يتنبأ النظام أولاً بالحالات البصرية المستقبلية من الملاحظات الحالية والتعليمات اللغوية. يقوم نموذج الديناميكيات العكسية بعد ذلك بتحويل تلك التنبؤات إلى إجراءات روبوتية قابلة للتنفيذ، بينما تحل ملاحظات العالم الحقيقي باستمرار محل الحالات المتوقعة للحفاظ على حلقة التحكم مستندة إلى الواقع. عرض روبيانت النموذج عبر مهام معالجة طويلة المدى ودقيقة، بما في ذلك إعداد وجبة الإفطار، وتفريغ عمليات التسليم، وإدخال الأنابيب، والتقاط البراغي، وطي الملابس، وفتح الأدراج. كما أعلنت الشركة أيضًا عن نتائج مبهرة في معايير المحاكاة RoboTwin 2.0 وLIBERO، متفوقة على الأساليب الحالية عبر إعدادات المهام المتعددة. وسلطت الشركة الضوء أيضًا على قدرة LingBot-VA على الاحتفاظ بالذاكرة طويلة المدى، مما يمكّن الروبوتات من التمييز بين المواقف المتطابقة بصريًا ولكن المختلفة سياقيًا وتنفيذ مهام متعددة الخطوات بدقة تتطلب العد والتسلسل والإجراءات المتكررة. وقال تشو شينغ، الرئيس التنفيذي لشركة Robbyant، في بيان: “سوف تستمر Robbyant في استكشاف حدود جديدة في الذكاء المتجسد مع تسريع تطوير النظام البيئي للتكنولوجيا المفتوحة والتطبيقات لتسريع نشر الروبوتات في السيناريوهات الصناعية والعالمية”.
تم النشر: 2026-07-13 20:56:00
