NVIDIA وHugging Face تضيفان نماذج وأطر عمل جديدة إلى LeRobot

وسّعت NVIDIA وHugging Face مكتبة LeRobot، وهي مكتبة مفتوحة المصدر لتطوير الروبوتات. وأضاف الشريكان إلى المشروع نماذج تعلّم آلي جديدة مدرّبة مسبقًا وأطر عمل تهدف إلى تبسيط دورة بناء الأنظمة الروبوتية.

ما هي LeRobot

LeRobot مكتبة مفتوحة المصدر مكتوبة بلغة Python، تُستخدم لتدريب النماذج الروبوتية وتشغيلها ومشاركتها، إضافة إلى مجموعات البيانات وسياسات التحكم. ويتيح المشروع للمطوّرين حول العالم تبادل الحلول الجاهزة: فبدلًا من كتابة خوارزميات التحكم من الصفر، تعتمد الفرق على مجموعات بيانات موثوقة ونماذج مدرّبة، ما يسرّع بدرجة كبيرة تطوير روبوتاتها الخاصة.

ما التحديثات التي أُضيفت

دمجت NVIDIA وHugging Face في LeRobot نماذج تعلّم عميق وأطر عمل إضافية تسهّل ثلاث مهام رئيسية للمطوّرين:

• التدريب على مجموعات بيانات لعمليات التعامل الفعلي للروبوتات مع الأشياء، دون الحاجة إلى جمع البيانات من الصفر
• النمذجة الأولية السريعة واختبار سياسات التحكم على أنواع مختلفة من الأنظمة الروبوتية
• تحسين الحوسبة على وحدات GPU من NVIDIA لتسريع عملية تدريب النماذج

وتتيح التحديثات تكييف النماذج الجاهزة مع مهام محددة: التقاط القطع، وتجميع الأجسام، وفرز الأشياء.

لماذا يهمّ هذا المطوّرين

يتطلب تطوير الروبوتات تقليديًا استثمارات كبيرة في البحث والتطوير (R&D)، إذ لكل روبوت ميكانيكا حركية فريدة، وتختلف البيئات من حالة إلى أخرى، ويصعب نقل الخوارزميات بين المشاريع. وتغيّر LeRobot هذا النهج بتقديمها منصة مشتركة لتبادل الخبرات بين الفرق. وعلى نحو مماثل، غيّرت Hugging Face مجال تطوير معالجة اللغات الطبيعية، إذ مكّنت آلاف الفرق من استخدام بنية تحتية موحّدة ونماذج جاهزة.

من يدفع تطور الروبوتات أيضًا

تُعدّ LeRobot إحدى مبادرات عدة لفتح مجال الروبوتات. وتعمل بالتوازي كل من Figure AI وBoston Dynamics (المناولات الصناعية)، وTesla Optimus (الروبوت الشبيه بالإنسان)، وGoogle DeepMind (خوارزميات التعلّم المعزَّز)، وOpenAI (دمج النماذج اللغوية الكبيرة في الأنظمة الروبوتية).

ماذا يعني ذلك

يشير دعم NVIDIA وHugging Face لمكتبة LeRobot إلى انتقال الروبوتات من المشاريع المؤسسية المغلقة إلى المنظومات المفتوحة. وسيسرّع ذلك ظهور روبوتات جديدة لأتمتة اللوجستيات والتصنيع والمهن الخدمية. وسيكون من الأيسر على المطوّرين في الفرق الصغيرة والجامعات بناء حلول قادرة على المنافسة، اعتمادًا على نماذج ومجموعات بيانات جاهزة بدلًا من تطوير كل شيء من الصفر.