أخبار ar.wedoany.com، أعلنت شركة "ووجي دونغلي" (Wuji Dongli) الصينية المتخصصة في الذكاء الجسدي (Embodied Intelligence) في 29 يونيو عن إطلاق نموذج MWA™، وهو "الدماغ العام للذكاء الجسدي"، الذي يُصنف كنموذج عالمي للفضاء الكامن (Latent Space World Model) قائم على "سلسلة سببية فيزيائية ثنائية الاتجاه طويلة المدى". في تقييم RoboCasa GR1 TableTop للذكاء الجسدي، حقق النموذج MWA™-WALA، الذي طورته الشركة بالتعاون مع معهد الأتمتة التابع للأكاديمية الصينية للعلوم، المركز الأول عالميًا بمتوسط نجاح في المهام بلغ 75.2%، متجاوزًا نماذج مثل GR00T-N1.6 من NVIDIA، وACE-EGO-0 من Daxiao Robot، وDIAL من XPeng، وABot-M0 من Gaode. يدفع هذا الإطلاق مسار "نموذج الفضاء الكامن العالمي + التعلم المعزز" الذي تتبناه الشركة إلى مزيد من التقدم في المهام التشغيلية طويلة المدى ومتعددة الخطوات وعالية الدقة.
يتمثل دور النموذج العالمي في تمكين الروبوت من فهم التغيرات البيئية وعواقب الأفعال قبل تنفيذ الحركة. بالنسبة للذكاء الجسدي، لا يكفي أن "يرى" النموذج الأشياء فحسب، بل يجب أن يكون قادرًا على تقدير كيفية تحركها واصطدامها وانزلاقها وتأثرها بالقوى واستقرارها.
يتمثل التغيير الجوهري في نموذج MWA™ في وضع العلاقات السببية الفيزيائية في إطار النمذجة ضمن الفضاء الكامن. تعتمد النماذج التقليدية للروبوتات غالبًا على رسم خرائط مباشر بين الرؤية واللغة والحركة، مما يمكنها من أداء حركات مثل الإمساك والوضع والفتح والإغلاق في المهام القصيرة، لكنها تعاني في المهام طويلة المدى من انقطاع تسلسل الحركات، وانحراف المسار، وعدم استقرار القوة، وأخطاء في تقدير الحالة المستهدفة. يطبق MWA™ آلية نمذجة ديناميكية عكسية على مستوى مقاطع التسلسل الزمني (Temporal Chunk-level Inverse Dynamics)، مما ينتج مجموعات حركية مستمرة متعددة الخطوات (Latent Action Chunks)، مما يسمح للروبوت بعدم توليد حركات فردية فحسب، بل ببناء سلسلة حركية مستمرة حول فترة المهمة. بهذه الطريقة، يمكن للروبوت، عند تنفيذ عمليات متعددة الخطوات، معالجة "الحركة الحالية" و"الحالة التالية" و"الهدف النهائي للمهمة" ضمن إطار زمني واحد.
أما نظام بيانات العينات السلبية الأساسية AnyPhys، فيُستخدم لتعزيز فهم الروبوت لحدود الفشل. لا يمكن لتدريب الذكاء الجسدي الاعتماد فقط على العروض الناجحة، ففي بيئات العمل الحقيقية، تكون حالات الانزلاق والاصطدام وسوء الإمساك وعدم استقرار الوضعية وتناثر الأشياء والأخطاء في المساحات المحدودة أكثر شيوعًا. من خلال عدد كبير من عينات الفشل وعدم الاستقرار وعينات الحدود الحرجة، يقوم MWA™ باستنتاج مجالات الاستقرار الفيزيائي في ظل ظروف تشغيل مختلفة بشكل عكسي، مما يسمح للروبوت بتجنب المسارات عالية المخاطر عند توليد الحركات. بالنسبة لسيناريوهات الخدمات الصناعية والتجارية، تُعد هذه القدرة أكثر أهمية من مجرد تحسين أداء العروض التوضيحية، لأن الروبوت يحتاج إلى الحفاظ على الاستقرار والسلامة وقابلية إعادة الإنتاج أثناء التشغيل لفترات طويلة.
يختبر تقييم RoboCasa GR1 TableTop بشكل أساسي قدرة الروبوت على التعميم في مهام الطاولة. فالأشياء المعقدة، والسيناريوهات غير القياسية، وتغيرات الإضاءة، والتداخل الناتج عن الأشياء المتناثرة، تزيد من الفروق في فهم النموذج للفضاء، واستمرارية الحركة، وقدرات تخطيط المهام.
يشير متوسط معدل نجاح المهام البالغ 75.2% إلى أن MWA™ حقق أداءً عاليًا في مهام مثل العمليات المترابطة متعددة الخطوات، واسترجاع الأشياء من المساحات المحدودة، والالتقاط الدقيق للأشياء المتناثرة. تكمن قيمة بيئة المحاكاة من نوع RoboCasa في قدرتها على اختبار استراتيجيات الروبوت في عدد كبير من مهام التفاعل مع المطابخ والطاولات والأشياء، بدلاً من مجرد فحص حركة إمساك واحدة. إن تصدر MWA™ لهذا التصنيف يعني أن مسار نموذج الفضاء الكامن العالمي يتمتع بقدرة تنافسية قوية في تقييمات المحاكاة، كما يوفر أساسًا جديدًا للتحقق من الخوارزميات للنشر اللاحق للروبوتات الحقيقية. يُظهر البيان الرسمي لـ RoboCasa أن معياره يُستخدم لمقارنة الاستراتيجيات العامة للروبوتات، وتغطي المهام أنواعًا متعددة من العمليات في البيئات اليومية، مع التركيز على تقييم التعلم متعدد المهام والتعميم.
يأتي هذا الإطلاق استمرارًا للإيقاع التقني والتجاري الأخير لشركة "ووجي دونغلي". كانت الشركة قد أكملت سابقًا جولة تمويل أولي (Angel Round) تجاوزت 200 مليون دولار أمريكي، وركزت على بناء "الدماغ العام للذكاء الجسدي" MWA™ القائم على "نموذج الفضاء الكامن العالمي + التعلم المعزز". كما دخل الجيل الثاني من الروبوت K15 الخاص بالشركة مرحلة الإنتاج الضخم، مع تطبيقات تغطي مجالات التصنيع الصناعي والخدمات التجارية وغيرها. بالنسبة لـ "ووجي دونغلي"، فإن نتائج تصنيفات النماذج ليست سوى مدخل تقني، والاختبار الحقيقي يكمن في ما إذا كان MWA™ قادرًا على الانتقال إلى المصانع الحقيقية والمساحات التجارية ومهام التشغيل والحركة طويلة المدى، وتحمل الضغوط الهندسية الناتجة عن إيقاع خطوط الإنتاج، والبيئات المفتوحة، وقيود السلامة، والتبديل بين المهام المتعددة.
الذكاء الجسدي ينتقل من مرحلة "القدرة على العرض" إلى مرحلة "القدرة على العمل المستقر طويل المدى". إذا تمكن MWA™ من نقل قدراته في التسلسل الزمني الطويل من بيئة المحاكاة إلى جسم الروبوت الحقيقي، فسيساهم ذلك في تحسين موثوقية الروبوت في مهام التجميع والفرز والالتقاط والوضع والخدمة والفحص والعمليات في المساحات المعقدة. بالنسبة للصناعة بأكملها، لم تعد المنافسة على هذه النماذج مجرد منافسة في فهم اللغة أو القدرة على التعرف البصري، بل أصبحت منافسة في نمذجة العالم الفيزيائي، واستمرارية الحركة، وتعلم عينات الفشل، والقدرة على التكرار في الحلقات المغلقة في السيناريوهات الحقيقية. إن إطلاق "ووجي دونغلي" لنموذج MWA™ يجعل من نموذج الفضاء الكامن العالمي فرعًا تقنيًا مهمًا ضمن مسار "الدماغ العام للذكاء الجسدي".
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
