الذكاء الاصطناعي في اللوجستيات: نموذج VLA من Nomagic يخفض استدعاءات المشغّلين إلى النصف

أدخلت Nomagic شبكة VLA العصبية في لوجستيات المستودعات، وخفّض الذكاء الاصطناعي استدعاءات المشغّلين إلى النصف: بدأ نشر النموذج لدى عملاء تجاريين في يوليو 2026.

ما هو نموذج VLA ولماذا يحتاجه روبوت المستودع

نماذج فئة vision-language-action هي شبكات عصبية تجمع ثلاثة مكوّنات في بنية واحدة: الرؤية الحاسوبية (ما يراه الروبوت أمامه)، وفهم السياق (ما المهمة المطلوب تنفيذها مع هذا الجسم)، وتخطيط الأفعال (كيف يُتحكَّم بالذراع الآلية بالضبط). وعلى خلاف البرمجة التقليدية، التي تُكتب فيها القواعد يدويًا لكل نوع من السلع أو لكل سيناريو غير معتاد، يتخذ نموذج VLA قراراته ديناميكيًا، كما يفعل إنسان يمسك بغرض لا يعرفه دون أن يفتح دليل الاستخدام.

لم تكن نماذج VLA حتى وقت قريب تُستخدم إلا في المختبرات في الغالب، إذ كانت تُختبر على مجموعات محدودة من الأجسام في بيئة خاضعة للتحكم. أما Nomagic، وهي شركة في وارسو متخصصة في الأذرع الآلية للوجستيات المستودعات، فقد نقلت هذه التقنية إلى ظروف التشغيل الفعلي.

• نوع النموذج: vision-language-action (VLA)
• الشركة: Nomagic، وارسو، بولندا
• النتيجة: انخفاض بنحو 50% في وتيرة طلبات تدخل المشغّل
• مختبر الذكاء الاصطناعي: افتُتح في 2026، ويقوده باحث سابق في Google DeepMind
• الاستراتيجية: «mastery before generality»، أي الإتقان في مهام محددة أولًا ثم الشمولية

لماذا تراهن Nomagic على الإتقان لا على الشمولية

يهيمن على سباق الروبوتات سرد واحد: بناء وكيل شامل قادر على العمل في أي بيئة ومع أي أجسام. وهذا ما تسعى إليه Physical Intelligence وGoogle DeepMind وعدد من المختبرات الكبرى الأخرى. أما Nomagic فاختارت عن قصد مسارًا مختلفًا.

يقود فريق مختبر الذكاء الاصطناعي الجديد في الشركة باحث سابق في Google DeepMind، يعرف هذا السباق نحو قابلية التعميم من الداخل. ومع ذلك يضيّق الفريق داخل Nomagic تركيزه عن وعي: فالإتقان العميق لمجموعة محددة من عمليات المستودعات، وهي الالتقاط ونقل السلع المتنوعة وفرزها بسرعة صناعية، أهم من القدرة على التعامل مع مهام عشوائية.

والمبرر عملي: فالعميل الذي يبني مركز تلبية طلبات مؤتمتًا لا يحتاج إلى روبوت يفتح الأبواب أو يعدّ القهوة. ما يحتاجه هو ألا يتعطّل النظام في الثالثة فجرًا، عند وصول شحنة بتغليف غير قياسي، منتظرًا المشغّل.

ما الذي تغيّر في عمليات المستودعات

المقياس الرئيسي في التلبية الروبوتية هو «human-in-the-loop rate»: نسبة المواقف التي لا يستطيع فيها النظام التعامل بمفرده فيطلب مساعدة إنسان. وكل استدعاء من هذا النوع يعني تأخيرًا في خط الإنتاج، وتكاليف تشغيلية إضافية، وقيدًا على التوسع دون زيادة عدد الموظفين.

وبحسب بيانات Nomagic، خفّض نشر نموذج VLA هذا المؤشر إلى النصف تقريبًا في منشآت العملاء التجاريين. والأهم أن المعدات المادية هي نفسها، فلم تُستبدل الروبوتات. وقد تحقق هذا التضاعف في الاستقلالية بفضل «العقل» الجديد وحده.

وهذه إشارة مهمة للقطاع: فقد تجاوزت نماذج VLA العتبة التي لم يعد معها عرضها على منصات التجربة كافيًا، بل صار بالإمكان نشرها في التشغيل الفعلي بنتيجة تجارية قابلة للقياس.

ماذا يعني ذلك

حققت Nomagic ما تَعِد به صناعة الروبوتات منذ سنوات: نقلت نموذج ذكاء اصطناعي من الجيل الجديد من بيئة البحث إلى بيئة الإنتاج، وحصلت على نتيجة محددة قابلة للقياس. وقد تتبيّن استراتيجية «الإتقان أولًا» طريقًا أقصر نحو مستودعات مستقلة فعلًا من تطوير وكيل شامل.

ما هو نموذج VLA للروبوتات؟

نموذج VLA شبكة عصبية تجمع الرؤية الحاسوبية (ما يراه الروبوت) وفهم السياق ومهارات الفعل في بنية واحدة. وفي حالة Nomagic، أتاح ذلك للروبوتات حل مهام المستودع بصورة مستقلة وخفض الحاجة إلى مساعدة المشغّل إلى النصف.

ما هي شبكة VLA العصبية؟

يجمع نموذج VLA الرؤية الحاسوبية وفهم السياق وتنفيذ الأفعال في بنية شبكة عصبية واحدة للتحكم بالروبوتات.

بكم خفّض نشر شبكة VLA العصبية عدد استدعاءات المشغّلين؟

بنحو 50% (إلى النصف): فقد سجّلت Nomagic انخفاضًا بمقدار الضعف في عدد الحالات التي يتطلب فيها الروبوت تدخل المشغّل.