فيديو: نموذج جديد للذكاء الاصطناعي يمنح الروبوتات البشرية نجاحًا بنسبة 90 بالمائة في المهام المعقدة
قدمت شركة Flexion Robotics برنامج Reflect v1.0، وهي منصة ذكاء الروبوتات التي تمكن الروبوتات البشرية من إكمال المهام المعقدة ومتعددة الخطوات بشكل مستقل، دون تدخل بشري أثناء التنفيذ. وعرضت الشركة النظام من خلال عرض توضيحي للتوصيل في مكان العمل، حيث استعاد روبوت يشبه الإنسان طردًا للوجبات الخفيفة، وتنقل عبر السلالم والمصعد، وقام بتفريغ الصندوق، وتخزين العناصر في الدرج. وفقًا لـ Flexion، يدمج برنامج Reflect v1.0 التحكم في المهمة، وتخطيط الحركة، والتحكم في الجسم بالكامل، وبرامج وقت التشغيل، مع التعلم المعزز الذي يعزز إكمال المهام في تقييم داخلي للمهمة مكون من 16 خطوة من 38 بالمائة إلى 90 بالمائة. في الآونة الأخيرة، كشفت شركة ShengShu Technology عن Motubrain، وهو نموذج موحد للذكاء الاصطناعي يجمع بين الإدراك والتفكير والعمل لتوفير دماغ للأغراض العامة للروبوتات. الروبوتات تكتسب الذكاء Reflect v1.0 عبارة عن منصة ذكاء للروبوتات مصممة لتمكين الروبوتات البشرية من إكمال المهام الطويلة ومتعددة الخطوات بشكل مستقل في بيئات مصممة للبشر. وتقول الشركة إن المنصة تجمع بين التفكير المتقدم والإدراك وتخطيط الحركة والتحكم في الجسم بالكامل للسماح للروبوتات بأداء مهام معقدة دون تدخل بشري أثناء التنفيذ. لتوضيح النظام، خصصت شركة Flexion لروبوت يشبه الإنسان تعليمات واحدة باللغة الطبيعية: استرجاع طرد الوجبات الخفيفة الذي تم تسليمه إلى المبنى، واستخدام السلالم والمصعد لنقله، وتفريغ الصندوق، ووضع المحتويات في درج مخصص. أكمل الروبوت المهمة بشكل مستقل، حيث التنقل في عدة طوابق، والتفاعل مع الأبواب والمصاعد، وفتح الحزمة بالأدوات، وتخزين العناصر، والتكيف عند حدوث مواقف غير متوقعة. وفقًا لشركة Flexion، تظل الاستقلالية طويلة المدى واحدة من أكبر التحديات في مجال الروبوتات، لأنه حتى أنظمة التنقل والمعالجة والإدراك الموثوقة للغاية يمكن أن تفشل بشكل جماعي عندما تتراكم الأخطاء عبر العديد من المهام المتسلسلة. يعالج الإصدار 1.0 من برنامج Reflect هذه المشكلة من خلال دمج نموذج لغة الرؤية المخصص (VLM) الذي يعمل كوحدة تحكم في المهمة، ويراقب التقدم بشكل مستمر، ويفكر في البيئة، ويعيد التخطيط عند الضرورة. تجمع المنصة بين وحدة التحكم في المهمة وطبقة الحركة التي تستخدم نماذج الرؤية واللغة والحركة المدربة على بيانات العالم الحقيقي جنبًا إلى جنب مع المهارات القائمة على التعلم المعزز. تترجم هذه المكونات الملاحظات المرئية إلى ملاحة ومعالجة الكائنات والتفاعلات البيئية، بينما تحافظ وحدة التحكم لكامل الجسم في الوقت الفعلي على التوازن والاستقرار والحركات الدقيقة طوال المهمة. يقوم نظام وقت التشغيل الأمثل بإدارة الاتصالات والاستدلال بزمن الوصول المنخفض ومراقبة السلامة وتنسيق العمليات عبر أجهزة حوسبة متعددة. استقلالية بشرية أكثر ذكاءً إحدى الميزات الرئيسية لـ Reflect v1.0 هي استخدامه لتعليمات اللغة الطبيعية بدلاً من البرمجة الخاصة بمهمة محددة. يمكن للمستخدمين تعديل المهام ببساطة عن طريق تغيير المطالبة، مما يسمح للروبوتات بأداء مهام مختلفة أو حتى تلقي تعليمات محدثة أثناء تنفيذ المهمة بالفعل. وقال فليكسيون إن التعلم المعزز أدى إلى تحسين موثوقية النظام الأساسي بشكل كبير. وفي تقييم داخلي يتضمن مهمة مكونة من 16 خطوة، حقق النموذج الدقيق الخاضع للإشراف معدل إنجاز شامل بنسبة 38 بالمائة فقط. وبعد تطبيق التعلم المعزز عبر طبقات متعددة من النظام، زادت معدلات الإنجاز إلى 90 بالمائة. وسلطت الشركة الضوء أيضًا على التطورات في مجال التلاعب والتنقل. يمكن للروبوتات المدربة باستخدام تقنية Reflect التعامل مع الصناديق التي يتراوح وزنها بين 100 جرام و3.5 كجم، وتغيير موضع الحزم باستخدام حركات منسقة لكامل الجسم، وتشغيل المصاعد، واستخدام الأدوات، واجتياز السلالم بشكل متكرر، والتنقل في التضاريس غير المستوية، وتجنب العوائق الديناميكية أثناء حمل الأشياء. عند حدوث أعطال، مثل فقدان الإمساك أو إزاحة الجسم، يمكن للروبوت إعادة محاولة تنفيذ الإجراءات محليًا أو إعادة تخطيط المهمة الشاملة باستخدام التعليقات الواردة من الكاميرات الموجودة على متنه. على الرغم من التقدم، اعترفت شركة Flexion بأن برنامج Reflect v1.0 لا يزال يقتصر على توزيعات المهام المحددة ولا يوفر بعد استقلالية عالمية. وقالت الشركة إن التطوير المستقبلي سيركز على توسيع تنوع المهارات، وتحسين التعافي من الفشل، وتعزيز التدريب القائم على المحاكاة، وتطوير التفكير الشامل للمهمة من أجل نشر أوسع في العالم الحقيقي.
تم النشر: 2026-06-30 16:09:00
