أخبار ar.wedoany.com، قامت شركة Ant Lingbo Technology بترقية وإصدار الجيل الجديد من النموذج الأساسي التطبيقي (Embodied Foundation Model) مفتوح المصدر، LingBot-VLA 2.0. يدمج هذا الإصدار 60 ألف ساعة من بيانات العالم الحقيقي عالية الجودة في مرحلة ما قبل التدريب، ويغطي 20 تكوينًا روبوتيًا من 17 علامة تجارية رئيسية للروبوتات، كما يوسع نطاق دعم درجات الحرية للرأس والخصر والمؤثر النهائي (End Effector) وقاعدة الحركة المتنقلة.
في الوقت الحالي، يشهد قطاع الصناعة التطبيقية (Embodied Intelligence Industry) تسارعًا في تطور "المخيخ" (النماذج الخاصة بالتحكم الحركي) والأجهزة الأساسية، إلا أن "الدماغ العام" (النموذج الأساسي المشترك) للقطاع لا يزال يشكل العائق الرئيسي أمام التطبيق التجاري على نطاق واسع. هناك حاجة ماسة لتحقيق اختراقات في كفاءة التطبيق والتكاليف، بدءًا من قدرات النموذج وصولاً إلى كفاءة النشر.
يُظهر التقرير الفني أن العلامات التجارية للروبوتات التي يدعمها LingBot-VLA 2.0 في مرحلة ما قبل التدريب تشمل 17 شركة مصنعة للروبوتات، وهي: Leju، Zhiyuan، Yushu، Songling، Xinghitu، Yinhe General، Xingchen، Realman، Franka، Ark، Beijing Humanoid، Fourier، Magic Atom، Qianxun، Zero Power، Flexiv، Qinglong، وغيرها. ويغطي النموذج أشكالاً متعددة مثل الذراع الواحدة/الذراعين، والثنائي الأرجل/العجلات.
فيما يتعلق بدعم درجات الحرية، قام LingBot-VLA 2.0 بتوسيع نطاق دعمه ليشمل بشكل كامل درجات حرية الرأس والخصر والمؤثر النهائي (اليد) وقاعدة الحركة المتنقلة.
فيما يخص عمليات الذراعين المزدوجتين، وبناءً على تقييم GM-100 من جامعة شانغهاي جياوتونغ، أظهر LingBot-VLA 2.0 على منصتي الروبوتات ذات الذراعين المزدوجتين AgileX Cobot Magic وGalaxea R1 Pro، تفوقًا في متوسط درجات تقدم المهمة الإجمالي ومعدل النجاح على كل من π0.5 وGR00T N1.7. في هذا التقييم، تم نشر جميع النماذج المختبرة كنماذج عامة واحدة، دون إجراء ضبط دقيق خاص لمهام محددة. تشير هذه النتيجة إلى أن LingBot-VLA 2.0 يمتلك قدرة أقوى على التنسيق في العمليات بالذراعين المزدوجتين، وقدرة أوسع على التعميم عبر الأجسام المختلفة والمهام المتعددة.
فيما يتعلق بقدرات الحركة، تم إجراء اختبارات مقارنة أولية بين LingBot-VLA 2.0 وπ0.5 باستخدام تكوينين: ذراع Ark الآلية مع قاعدة Songling المتنقلة، وAstribot S1 من Xingchen Intelligence. أظهرت النتائج أن LingBot-VLA 2.0 حقق تحسنًا في درجات تقدم المهمة ومعدل النجاح في مهام الحركة والتنفيذ طويلة المدى، لا سيما في السيناريوهات الأكثر تحديًا والتي تتطلب عبور المجالات المختلفة، مما يدل على قدرة أقوى على دفع تسلسل المهام الطويلة وقدرة أوسع على تعميم الحركة والتنفيذ.
في تقييم الحركة والتنفيذ، تم تقسيم المهام إلى عدة خطوات فرعية متتالية، حيث تُمنح كل خطوة درجة مختلفة بناءً على صعوبتها وأهميتها. يحصل الروبوت على الدرجة المقابلة عند إتمام الخطوة، ويعكس المجموع النهائي قدرته على دفع المهمة في تسلسل طويل. مقارنة بالاعتماد فقط على حساب معدل النجاح النهائي، يتيح هذا الأسلوب في التقييم قياسًا أكثر تفصيلاً للقدرات الشاملة للنموذج في مجالات مثل الحركة، والتعاون بالذراعين، والإمساك، والوضع، وفتح الأبواب، والتنظيف.
ما يدعم هذه الترقيات في القدرات هو نظام بيانات أكبر حجمًا وأعلى جودة، وهيكل تدريب أكثر تطورًا: قامت Ant Lingbo بتنقية 50 ألف ساعة من بيانات الروبوتات الحقيقية عالية الجودة من أصل 90 ألف ساعة من البيانات، واستخلاص 10 آلاف ساعة من البيانات الفعالة من 20 ألف ساعة من بيانات التشغيل البشري من منظور الشخص الأول، ليصل إجمالي بيانات ما قبل التدريب إلى 60 ألف ساعة.
يدخل القطاع حاليًا تدريجيًا مرحلة التطبيق التجاري التجريبي، ويصبح التدريب اللاحق الفعال (Efficient Post-training) عاملاً حاسمًا مقيدًا للتطبيق. يقوم LingBot-VLA 2.0 بإصدار نسخة تدريب لاحق أكثر كفاءة في نفس الوقت، حيث يتحكم في وقت الاستدلال على بطاقة RTX 4090 في حدود 130 مللي ثانية.
تتعاون Ant Lingbo مع شركاء النظم الأساسية في النظام البيئي مثل Leju وTaihu، بالإضافة إلى شركاء العملاء في النظام البيئي مثل Guoda Pharmacy وLongsheng، لبدء اختبارات تجارية شاملة في سيناريوهات تطبيقية مثل فرز التجزئة، وفرز الخدمات اللوجستية، والصناعة. في الوقت نفسه، تتعاون Ant Lingbo مع شركاء تحالف البيانات مثل Jianzhi Technology لبناء نظام بيانات موحد. يتشكل حاليًا نظام بيئي للذكاء التطبيقي (Embodied Intelligence Ecosystem) يركز على النموذج الأساسي VLA عبر التكوينات (Cross-Configuration VLA Foundation Model)، مع مشاركة عميقة من مصنعي النظم الأساسية ومؤسسات البيانات.
حاليًا، تم إصدار LingBot-VLA 2.0 كمصدر مفتوح. يمكن للمطورين الحصول على أوزان النموذج على Hugging Face وModelScope، وتنزيل الكود المصدري المفتوح على GitHub. في الخطوة التالية، ستطلق Ant Lingbo سلسلة من أنشطة المطورين، وستصدر في نفس الوقت حزمة أدوات تقنية أكثر ملاءمة للمطورين.
