Xiaomi تطرح فكرة أن توسيع بيانات الروبوتات يجب أن يسبق توسيع نماذج الروبوتات
أطلقت Xiaomi نموذجاً جديداً للروبوتات، Xiaomi-Robotics-1، قائمًا على ادعاء قد يشكل طريقة تدريب الجيل التالي من أنظمة الروبوتات: عندما يتعلق الأمر بتمكين الآلات من التعامل مع الأجسام في العالم الحقيقي، قد تكون البيانات أكثر أهمية من النماذج الأكبر.
هذه النتيجة تعكس نمطاً مألوفاً في نماذج اللغة الكبيرة، حيث يتحسن الأداء غالباً مع زيادة بيانات التدريب والحوسبة. لكن الروبوتات لديها عنق زجاجة مختلف. يمكن لنماذج النصوص الاعتماد على الإنترنت العام الواسع، بينما لا تستطيع نماذج الروبوتات ذلك. فالبيانات المفيدة للإمساك بالأشياء ورفعها ووضعها والتكيف مع المساحات غير المألوفة أصعب بكثير في الجمع، وأعلى تكلفة في الوسم، وترتبط عادةً بإعدادات عتادية ضيقة.
يبرز نهج Xiaomi لأنه يحاول كسر هذا القيد دون الاعتماد أساساً على أساطيل من الروبوتات المادية المكلفة. وبدلاً من ذلك، تقول الشركة إنها جمعت الجزء الأكبر من بيانات ما قبل التدريب باستخدام مقابض محمولة مزودة بكاميرات. وكان الأشخاص يشغلون هذه الأدوات مباشرةً باليد في بيئات حقيقية، لالتقاط مهام التلاعب في أماكن مثل المطابخ والمكاتب والمتاجر وأرضيات المصانع والبيئات الخارجية.
ووفقاً للشركة، أسفر ذلك عن مجموعة بيانات تضم أكثر من 100,000 ساعة من تسجيلات الحركة جُمعت عبر أكثر من 1,700 بيئة مختلفة. وهذه النطاقات مهمة لأن أنظمة تعلم الروبوتات غالباً ما تكافح للتعميم خارج التخطيطات والأشياء والروتينات التي تراها في عمليات جمع ضيقة ومقننة. ومن خلال استخدام معدات محمولة بدلاً من منصات روبوتية كاملة في مرحلة جمع البيانات الأولى، تجادل Xiaomi بأنها تستطيع جمع خبرات أوسع بسرعة أكبر وبتكلفة أقل.
إجابة مختلفة على نقص بيانات الروبوتات
الطريقة القياسية لجمع بيانات التلاعب الروبوتي بطيئة. إذ يقوم شخص بتوجيه روبوت عن بُعد عبر المهام حركةً تلو الأخرى، منتجاً عروضاً توضيحية مكيّفة مع مستشعرات تلك الآلة ومفاصلها ومقابضها. قد تنجح هذه الطريقة، لكنها لا تتوسع بسهولة، وغالباً ما تنتج عينات متكررة من بيئات متشابهة.
الترتيب المحمول الذي تتبعه Xiaomi يهدف إلى تجاوز هذا القيد. وبما أن الشخص يمكنه ببساطة حمل القبضة إلى مساحات مختلفة واستخدامها مباشرة، تستطيع الشركة جمع أمثلة من بيئات أكثر بكثير مما تغطيه عادةً أساطيل الروبوتات. لكن ذلك لا يلغي مشكلة النقل. فالمقبض المحمول ليس مثل روبوت بعجلات أو نظام ذي ذراعين. وما زال على النموذج أن يتعلم كيف تقابل أنماط الحركة المسجلة بأداة يشغلها الإنسان القيود الفيزيائية وأنظمة التحكم في الروبوتات الفعلية.
تقول Xiaomi إنها عالجت ذلك عبر نقل النظام المُدرَّب مسبقاً إلى روبوتات مادية في مراحل لاحقة، بما في ذلك المنصات ذات العجلات والأنظمة ثنائية الذراع. وفي مرحلة ما بعد التدريب، جمعت تسجيلاتها الخاصة من شقق حقيقية مع مجموعات بيانات روبوتات مفتوحة المصدر وبيانات UMI المعلَّمة. والصورة التي تتشكل هي خط أنابيب متعدد الطبقات: جمع خبرات التلاعب على نطاق واسع وبكلفة منخفضة، ثم وسمها على نطاق واسع، ثم تكييفها مع العتاد الذي سينفذ المهام فعلياً.
وقد يكون ذلك مهماً لقطاع الروبوتات الأوسع، لأن هذا المجال لطالما واجه فجوة مزعجة. فالباحثون يريدون سلوكاً روبوتياً عاماً، لكن البنية التحتية للبيانات اللازمة لتدريبه بقيت في كثير من الأحيان محلية ومخصصة ومكلفة. وتجادل Xiaomi عملياً بأن تقدم الذكاء الاصطناعي للروبوتات قد يسير أقل على طريقة هندسة الروبوتات التقليدية وأكثر على طريقة تطوير النماذج الأساسية، حيث تصبح جودة وكمية وتنوع corpora ما قبل التدريب أصولاً استراتيجية.
الوسم الآلي يجعل الجمع واسع النطاق عملياً
جمع 100,000 ساعة من بيانات التلاعب ليس سوى نصف المشكلة. فهذه التسجيلات تحتاج أيضاً إلى أوصاف يمكن للنموذج التعلم منها. وتقول Xiaomi إن الوسم اليدوي بهذا الحجم لم يكن عملياً، لذا استخدمت نظام ذكاء اصطناعي آخر لتوليد أوصاف نصية لكل مقطع حركة. وتقول الشركة إنها وسمت مجموعة البيانات كاملة في نحو أسبوعين.
هذه الخطوة مهمة لأن النماذج الروبوتية المصممة لاتباع التعليمات المنطوقة أو المكتوبة تحتاج إلى جسر بين الحركة واللغة. وإذا كانت جودة الوسوم عالية بما يكفي، يمكن للنموذج أن يبدأ بربط الأهداف النصية بالأفعال الفيزيائية وتغيرات المشهد. أما إذا كانت الوسوم ضعيفة أو غير متسقة، فلن تنقذها الزيادة في الحجم وحدها. ويشير الجدول الزمني الذي أعلنته Xiaomi إلى أن التعليق التلقائي أصبح محورياً في الروبوتات، ليس فقط بوصفه وسيلة مريحة، بل بوصفه شرطاً أساسياً لبناء مجموعات بيانات كبيرة بما يكفي لدعم تعميم واسع.
النموذج نفسه مصمم لاتباع الأوامر المنطوقة أو المكتوبة في بيئات غير مألوفة من دون تعرض مسبق، والتكيف مع مهام جديدة بقدر محدود من التدريب الإضافي. هذا هدف طموح، لكنه يتماشى مع توجه أوسع في الصناعة للانتقال من سياسات روبوتية خاصة بكل مهمة إلى أنظمة قادرة على نقل المعرفة عبر البيئات والتعليمات.
لماذا يهم نتائج Xiaomi أبعد من مجرد إطلاق نموذج واحد
في اختبارات Xiaomi، أدى زيادة حجم النموذج إلى تحسين الأداء، لكن زيادة بيانات التدريب حققت مكاسب أكبر بكثير. هذه هي الخلاصة الأساسية. وإذا ثبت ذلك خارج التقييم الداخلي للشركة، فسوف يشير إلى أن أسرع طريق لتحسين التلاعب الروبوتي قد لا يكون مجرد بناء هياكل أضخم، بل جمع خبرات مادية أغنى وأكثر تنوعاً وربطها باللغة على نطاق واسع.
وهذا له آثار عملية على كيفية تخصيص الشركات لرأس المال. فالنماذج الأكبر تحتاج إلى حوسبة أكثر، لكن مجموعات البيانات الأكبر والأكثر تنوعاً تحتاج إلى أنظمة جمع، وخطوط وسم، وتخزين، وانتقاء، وطرق نقل قادرة على استيعاب التفاوت الفوضوي في العالم الحقيقي. والشركة التي تحل هذه المشكلات التشغيلية قد تكتسب أفضلية يصعب تقليدها عبر توسيع النموذج وحده.
كما أنه يعيد صياغة سؤال أساسي في الروبوتات: ليس فقط مدى ذكاء النموذج بصورة مجردة، بل كم من العالم المادي قد شاهده فعلياً. بالنسبة لنماذج اللغة، وفر الإنترنت هذا الاتساع. أما الروبوتات، فلا يوجد corpus جاهز مكافئ يمكن شراؤه من الرف. وتشير أعمال Xiaomi إلى أن الصناعة قد تحتاج إلى تصنيع هذا corpus عبر أدوات ومسارات عمل جديدة بدلاً من انتظار ظهوره.
ولا تزال هناك أسئلة مفتوحة. فالمادة المقدمة لا تتضمن تفاصيل معيارية مستقلة، أو نتائج نشر، أو معدلات فشل عبر مهام محددة. كما أنها لا تُظهر مدى حفاظ النموذج على الأداء عند نقله بين أشكال روبوتية مختلفة بشكل كبير. لكن حتى مع هذه التحفظات، يتميز هذا الإصدار لأنه ينقل التركيز من الحجم العنواني للنموذج إلى مشكلة توليد البيانات الأقل بريقاً.
بالنسبة لصناعة تتطلع إلى بناء آلات قادرة على العمل في المنازل وأماكن العمل والمساحات العامة، قد يكون هذا هو التحول الأهم. Xiaomi لا تعرض مجرد نموذج روبوت، بل تقدم حجة حول مصدر التقدم التالي في الذكاء الاصطناعي للروبوتات: احتكاك أوسع مع العالم المادي، يُلتقط بحجم وتنوع كافيين حتى تبدأ الروبوتات في التعلم من الخبرة على نطاق أقرب إلى الذكاء الاصطناعي الحديث.
تعتمد هذه المقالة على تقرير The Decoder. اقرأ المقال الأصلي.
Originally published on the-decoder.com