روبوت شبيه بالبشر ينظّف مطبخاً غير مألوف تحت سيطرة GPT-6 Astra
طوّر باحثون من جامعة ستانفورد ومعهد كاليفورنيا للتقنية نظاماً يُدعى HomeBody يتيح لروبوت بشري الشكل من طراز Unitree G1 أن يدخل مطبخاً لم يره من قبل، ويرتّب المكان، ويُخرج أشياء من الأدراج دون أن يوجّه أحد حركاته. يعمل الروبوت على GPT-6 Astra، ويضيف هذا العرض إلى مجموعة متزايدة من الأدلة على أن النموذج ينتقل بفائدة من النصوص والصور إلى آلات تتحرك فعلياً في العالم.
وما يلفت النظر ليس قدرة الروبوت على الإمساك بالأشياء — فقد فعلت ذلك أذرع المصانع لعقود. بل إن هذه الآلة استنتجت ما ينبغي فعله في غرفة لم تصادف تصميمها من قبل، باستخدام نموذج عام بدلاً من منظومة مُهندَسة خصيصاً لذلك المطبخ بعينه.
كيف يُجمَّع HomeBody
GPT-6 Astra يستدعي مكتبة المهارات مباشرةً
تُدخل معظم منظومات تعلّم الروبوتات طبقة تحكم مدرَّبة بين النموذج اللغوي والعتاد. تلك الطبقة — وغالباً ما تكون شبكة سياسات أو مخطط حركة مُحسَّناً على بيانات خاصة بالمهمة — تحوّل النية عالية المستوى إلى أوامر على مستوى المفاصل. ويحذف HomeBody ذلك. إذ يوجّه نموذج رؤية-لغة قابل للاستبدال، وهو هنا GPT Astra، استدعاءات مباشرة إلى مكتبة قابلة للتوسّع من المهارات تغطي الإمساك والتنقّل وفتح الأدراج. ولأن المكتبة معيارية، يمكن إضافة قدرات فردية أو استبدالها دون إعادة تدريب النظام بأكمله، ويمكن استبدال نموذج الرؤية-اللغة نفسه بنموذج آخر.
استكشف أولاً، ثم تذكّر بعد ذلك
قبل التعامل مع أي شيء، يمسح الروبوت الغرفة. فيبني توأماً رقمياً للمطبخ داخل Isaac Sim من Nvidia، ثم يسجّل الأشياء ومواضعها في ذاكرة مكانية. وهذه الذاكرة هي ما يمكّن الآلة من تحديد موقع عنصر بعد خروجه من مجال رؤية الروبوت — أمر روتيني للإنسان، لكنه صعب حقاً للأنظمة التي تستنتج فقط مما تلتقطه الكاميرا في اللحظة الراهنة.
التخطيط والتنفيذ والتصحيح الذاتي
عند إعطائه تعليمة غير محددة مثل "رتّب المطبخ"، يفكّك النموذج اللغوي المهمة إلى خطوات، وينفّذها عبر مكتبة المهارات، ويصحّح نفسه عند حدوث خطأ. والخطة ليست نصاً ثابتاً. بل تتكيّف مع ما يكتشفه الروبوت ومع الإخفاقات حين تقع، وهذا هو الفرق بين الأتمتة وشيء أقرب إلى السلوك العام.
لماذا يهم إسقاط طبقة التحكم
يغيّر إزالة الوسيط المدرَّب اقتصاديات النظام بأكمله ومرونته من عدة أوجه.
- التعميم: الروبوت غير مقيَّد بتصميم مطبخ واحد أو قائمة مهام ضيقة، لأن الاستنتاج يأتي من النموذج لا من بيانات جُمعت لبيئة واحدة.
- المعيارية: يمكن توسيع المهارات بشكل مستقل، ويمكن استبدال نموذج الرؤية-اللغة مع ظهور نماذج أفضل.
- قابلية تفسير النية: يمكن إعطاء التعليمات بلغة عادية بدلاً من ترجمتها إلى وحدات تحكم مخصّصة.
المقابل هو أن نموذجاً متقدماً يجلس الآن داخل حلقة التحكم، وهو بالضبط الموضع الذي تصبح فيه نقاط ضعف النظام أكثر وضوحاً.
أين لا يزال النظام يعاني
رواية الفريق صريحة بشأن أوجه القصور، وهي تتجمّع حول كلفة الاعتماد على نموذج ضخم في الزمن الحقيقي.
- زمن الاستجابة: تُعدّ أزمنة استجابة GPT-6 Astra عاملاً مقيّداً عندما يتعيّن على الروبوت التفاعل مع مشهد مادي متغيّر.
- الإجهاد العتادي: ترتفع حرارة مؤازرات الأصابع أثناء المناورة المطوّلة، وهو قيد ميكانيكي لا يمكن لأي قدر من جودة النموذج أن يخفيه.
- كلفة الحوسبة: إبقاء نموذج متقدم داخل الحلقة مكلف، وهذا يهم كل من يتخيّل تشغيله في منزل لا في مختبر.
لا شيء من هذه أمور هامشية. فزمن الاستجابة وارتفاع الحرارة من نوع المشكلات التي تظهر بعد انتهاء فيديوهات العرض، حين يتعيّن على النظام أن يعمل ساعات لا دقائق. أما كلفة الحوسبة فتحدّد ما إذا كان نهج مثل HomeBody سيغادر بيئة البحث يوماً.
أسئلة السلامة وسجل المعايير
يأتي HomeBody في خلفية مختلطة. فقد أظهرت معايير سابقة أن الاستدلال المكاني لدى Astra تحسّن جوهرياً — وهو شرط مسبق لنموذج عليه أن يستنتج أين توجد الأشياء وكيف يصل إليها. وفي الوقت نفسه، رصدت أعمال منفصلة مشكلات سلامة عند إعطاء Astra السيطرة على روبوت. وهاتان النتيجتان تتناقضان بشكل غير مريح: فالقدرة نفسها التي تجعل النموذج مفيداً للمناورة ترفع أيضاً المخاطر حين يخطئ حكمه.
إن نموذجاً لغوياً يصدر أوامر مباشرة إلى مكتبة مهارات يقلّص المسافة بين قرار سيئ ونتيجة مادية. وغياب طبقة تحكم مدرَّبة يزيل مرشّحاً كان قد يقيّد سابقاً أفعالاً غير معقولة أو غير آمنة. وهذا لا يجعل النهج غير قابل للتنفيذ، لكنه يعني أن تقييم السلامة يجب أن يسير جنباً إلى جنب مع تقييم القدرات لا أن يتخلف عنه.
الدفع الأوسع نحو الذكاء الاصطناعي المُجسَّد
يقع HomeBody في وسط تحوّل أوسع. فقد أعلنت OpenAI بالفعل خططاً للعودة إلى الروبوتات، بما في ذلك آلات مخصّصة للاستخدام الشخصي. ويمنح هذا الطموح عروضاً كهذا سياقاً تجارياً يتجاوز الأكاديمي: فإذا كان نموذج عام قادراً على تشغيل روبوت بشري الشكل في غرفة غير مألوفة، تصبح الحجة لبناء العتاد حول نموذج واحد قوي أقوى بكثير.
وعمل ستانفورد وكالتيک يُقرأ على أفضل وجه كاختبار لتلك الفرضية. فهو لا يدّعي حلّ الروبوتات المنزلية. بل يُظهر أن الطبقة التي افترض معظم الباحثين أنها ضرورية — وحدة تحكم مدرَّبة تربط اللغة بالحركة — يمكن، في هذا التكوين على الأقل، استبدالها باستدعاءات مباشرة إلى مكتبة من المهارات القابلة لإعادة الاستخدام.
الكود متاح للعموم، والأسئلة مفتوحة
كود HomeBody متاح على GitHub، ما يعني أن فرقاً أخرى يمكنها اختبار البنية نفسها على روبوتات وغرف مختلفة. والأسئلة المثيرة أصبحت تجريبية. إلى أي مدى يتدهور الأداء عندما يكون المطبخ أكثر فوضى، أو تكون الأشياء غير مألوفة، أو تمتد المهمة ساعات؟ وكم من النجاح يأتي من مكتبة المهارات وكم من استنتاج النموذج نفسه؟ وماذا يحدث عندما تُعامَل قيود زمن الاستجابة والحرارة وميزانيات الحوسبة كقيود من الدرجة الأولى لا كحواشٍ؟
وفي الوقت الحالي، يبقى العرض نقطة بيانات أخرى على أن GPT-6 Astra يعمل جيداً مع الروبوتات — وتذكيراً بأن الفجوة بين عرض مطبخ مقنع وآلة منزلية يُعتمد عليها لا تزال تُقاس بالمؤازرات والثواني والدولارات.
هذا المقال مبني على تقرير من The Decoder. اقرأ المقال الأصلي.
Originally published on the-decoder.com
