Flexion Robotics تعلّم الروبوتات اكتساب مهارات جديدة دون تدخل بشري — بالذكاء الاصطناعي والمحاكاة فقط

طوّرت شركة Flexion Robotics السويسرية الناشئة طريقة لتدريب الروبوتات الشبيهة بالبشر على مهام جديدة دون مشاركة البشر. فبدلاً من المشغّلين الذين يقدّمون العروض التوضيحية ومُوسِّمي البيانات، تعتمد الطريقة على الذكاء الاصطناعي والمحاكاة الافتراضية.

الأعمال الروتينية أهم من الحركات الاستعراضية

تستطيع الروبوتات الشبيهة بالبشر اليوم أن تبهر المشاهدين: فهي تقطع مسافات الماراثون، وتظهر على المسارح، وتستعرض قدرات بهلوانية. وتحصد مقاطع الفيديو التي تعرض هذه الحركات ملايين المشاهدات، وتصنع صورة «روبوتات المستقبل» التي تعيش بيننا بالفعل.

لكن خلف هذه العروض المبهرة واقعاً أكثر بساطة: فالقيمة الحقيقية لهذه الآلات تتحدد بقدرتها على أداء المهام الرتيبة أو الشاقة جسدياً أو الخطرة، أي تلك التي يتعب منها البشر أو يُصابون بسببها أو يرفضونها ببساطة. فتجميع المكوّنات على خط الإنتاج، وتعبئة المنتجات وفرزها، ونقل الأحمال الثقيلة، وخدمة رفوف المستودعات، هي ما تحتاجه الصناعة من هذه الروبوتات.

ولا يزال تعليم الروبوت كل مهمة بعينها مكلفاً ويستغرق وقتاً طويلاً. فالدورة التقليدية تتطلب مشغّلين يقدّمون العروض التوضيحية، ومُوسِّمي بيانات، ومهندسي تحقق، وتستغرق العملية كلها أشهراً. وقد وضعت Flexion Robotics هدفاً يتمثل في إخراج البشر من هذه السلسلة.

المحاكاة بدلاً من المدرّب

تقوم فكرة الشركة الأساسية على نقل دورة التدريب بالكامل إلى بيئة افتراضية. إذ تولّد خوارزميات الذكاء الاصطناعي بنفسها آلاف الطرق لتنفيذ المهمة، وتقيّم جودة كل محاولة، وتعدّل سلوك النموذج تدريجياً. ولا حاجة إلى مدربين أو مشغّلين يقدّمون العروض التوضيحية، بل يكفي محاكٍ وخوارزمية للتعلم المعزَّز.

مزايا هذا النهج:

• التوسّع دون توظيف فريق من مُوسِّمي البيانات وتدريبه
• تدريب آمن على السيناريوهات الخطرة والنادرة وغير المعتادة
• اكتساب عدة مهارات بالتوازي في الوقت نفسه
• اختصار الدورة من تحديد المهمة حتى اكتساب المهارة بعدة أضعاف
• خفض تكلفة إعداد كل مهارة جديدة

بعد التدريب في المحاكي، ينقل النظام الاستراتيجيات التي تعلّمها إلى الروبوت الفعلي، وتُعرف هذه العملية باسم sim-to-real transfer. وتاريخياً، نشأت أخطر المشكلات عند هذه النقطة بالذات: فسلوك الروبوت في المحاكي كثيراً ما كان يختلف عن الواقع بسبب عدم دقة النموذج الفيزيائي، والفروق في احتكاك الأسطح، واستجابة المواد. وتعدّ Flexion Robotics دقة هذا الانتقال واستقراره ميزتها التنافسية الرئيسية.

المنافسون والسياق

يُعدّ التدريب الاصطناعي للروبوتات من أكثر الموضوعات سخونة في القطاع حالياً. فشركات Google DeepMind وPhysical Intelligence وFigure AI و1X Technologies وعشرات الشركات الناشئة الأخرى تجري أبحاثاً في الاتجاه نفسه. ويعتمد معظمها إما على مجموعات بيانات ضخمة بمشاركة البشر، وإما على تفاعل مكلف مع البيئة الحقيقية.

تراهن Flexion Robotics على أن خط الإنتاج الآلي بالكامل سيتيح نشر الروبوتات في مجالات لم يكن ذلك فيها مجدياً اقتصادياً من قبل: خطوط الإنتاج الصغيرة، والخدمات اللوجستية الإقليمية، والصناعات الغذائية، والزراعة. وإذا أثبتت الطريقة فعاليتها في الظروف الواقعية، فقد يتغيّر اقتصاد الأتمتة الروبوتية جذرياً.

ماذا يعني ذلك

إخراج البشر من دورة التدريب يعني جعل الروبوتات قادرة على التكيّف سريعاً مع المهام المتغيرة ومتاحة على نطاق واسع. وإذا نجحت Flexion Robotics في تحقيق نقل مستقر من المحاكاة إلى الواقع (sim-to-real) عملياً، فستتمكن الشركات من تشغيل عمليات روبوتية جديدة خلال أسابيع بدلاً من أشهر. ولن تبقى الأتمتة الصناعية امتيازاً للشركات الكبرى ذات الميزانيات المليونية.