أطلقت AWS وNVIDIA تدريبًا واسع النطاق للروبوت Unitree H1 على SageMaker AI

أطلقت AWS و NVIDIA التدريب على نطاق واسع لروبوت Unitree H1 الإنساني على SageMaker AI

عرضت AWS بالتعاون مع NVIDIA خط أنابيب كامل لتدريب سياسات التحكم في روبوت Unitree H1 الإنساني مباشرة في السحابة — بدون الحاجة إلى امتلاك مجموعة GPU خاصة به.

لماذا السحابة للروبوتات

يتطلب التعلم المعزز للروبوتات الفيزيائية مليارات خطوات المحاكاة — وهذا ليس من قبيل المبالغة. لكي يتعلم الروبوت الإنساني المشي للأمام دون السقوط، يجب أن تمر الشبكة العصبية عبر عشرات المليارات من التفاعلات بين الوكيل الافتراضي والبيئة. القيام بهذا في العالم الحقيقي مكلف وخطير: تجربة واحدة فاشلة تعني إصلاحات محتملة تكلف آلاف الدولارات، والعملية نفسها ستستغرق سنوات بدلاً من ساعات.

لهذا السبب تراهن الصناعة على المحاكاة الفيزيائية. بدأت السباق نحو "قانون مور للروبوتات": تسلا وفيجر وبوسطن ديناميكس وعشرات الشركات الناشئة تستثمر مئات الملايين في إنشاء بيئات اصطناعية للتدريب. NVIDIA Isaac Lab هو محاكاة معجلة بـ GPU قادرة على تشغيل آلاف نسخ من بيئة افتراضية على عقدة واحدة في نفس الوقت.

في السابق، كان يُستخدم بشكل أساسي في مختبرات الشركات والجامعات الكبرى ذات الأجهزة باهظة الثمن. الآن يتم دمج Isaac Lab مباشرة مع Amazon SageMaker AI. هذا يعني أن طلب مئات وحدات GPU يتم تنفيذه في دقائق، والمهندس لا يحتاج إلى التفكير في البنية التحتية — فقط في كود السياسة وتكوين المهمة.

خياران للنشر

تقدم AWS وضعين لسيناريوهات استخدام مختلفة:

• SageMaker HyperPod — مجموعة مُدارة دائمة؛ تبقى البنية التحتية بين عمليات التشغيل، وهو مناسب للبحث متعدد الأسابيع والضبط التكراري للمعاملات الفائقة
• SageMaker Training Jobs — تشغيل مُدار لمرة واحدة؛ يتم تخصيص الموارد بدقة للمهمة وتحريرها تلقائياً عند الانتهاء، مما يبسط التحكم في الميزانية
• تُدعم مثيلات السلسلة p4d و p5 مع NVIDIA A100 و H100 على التوالي
• يتم نشر Isaac Lab في حاوية Docker قياسية؛ يتم حفظ أوزان النموذج والنقاط الاختيارية تلقائياً في Amazon S3
• يتم إرسال مقاييس التدريب — المكافأة وطول الحلقة وخسارة الإنتروبيا — إلى Amazon CloudWatch في الوقت الفعلي

الميزة الرئيسية لكلا الخيارين هي إزالة العبء التشغيلي. لا توجد حاجة لتكوين Kubernetes يدويًا أو إدارة شبكات InfiniBand بين العقد أو موازنة أحمال GPU يدويًا.

كيف يعمل تدريب Unitree H1

Unitree H1 هو أحد أكثر الروبوتات الإنسانية المتسلسلة سهولة الوصول إليها: يبلغ ارتفاعه حوالي 180 سم، ويزن 47 كجم، مع 19 درجة من الحرية. هذا يجعله منصة شهيرة للبحث الأكاديمي في التحكم في الحركة. في محاكاة Isaac Lab، تتعلم آلاف النسخ الافتراضية من هذا الروبوت المشي بالتوازي باستخدام خوارزمية تحسين السياسات القريبة (PPO): تسقط وتنهض وتصحح التوازن وتتلقى مكافآت للحركة الثابتة للأمام. يحدد مدى دقة وصف دالة المكافأة للسلوك المرغوب جودة السياسة المدربة. على عقدة H100 واحدة، يمكن لـ Isaac Lab تشغيل ما يصل إلى 4096 محاكاة متوازية في نفس الوقت. عند التوسع إلى عقد متعددة، يتم استخدام التدريب الموزع عبر PyTorch DDP — يحدث مزامنة التدرجات بين وحدات GPU تلقائياً.

"يقلل التوسع إلى مئات وحدات GPU عبر

SageMaker وقت التدريب من عدة أيام إلى ساعات قليلة", كما لاحظ مؤلفو منشور مدونة AWS.

عند الانتهاء من التدريب، يتم تصدير السياسة المدربة بصيغ ONNX أو TorchScript ويمكن نشرها على الأجهزة الحقيقية عبر NVIDIA Isaac ROS.

ماذا يعني هذا

يخرج التعلم المعزز القائم على السحابة للروبوتات من المختبرات التي تتمتع بميزانيات معدات بملايين الدولارات. أي فريق صغير يملك حساب AWS يمكنه الآن إجراء تجربة جادة لتدريب الروبوت الإنساني دون استثمارات كبيرة في البنية التحتية. هذا يغير اقتصاديات الروبوتات: تنخفض حاجز الدخول، ويزداد وتيرة التكرار — وقد تأتي الاختراقات القادمة في التحكم بالروبوتات الفيزيائية من فرق صغيرة بشكل مفاجئ.