Gemini 4 Argon يعلّم الروبوت الشبيه بالبشر Apollo 2 لعبة كورنهول: 7 إصابات متتالية

عرضت Google DeepMind اختباراً داخلياً لنموذج Gemini 4 Argon في مجال الروبوتات. شاهد النموذج فيديو لشخص يلعب كورنهول، وأعدّ نظام التحكم للروبوت الشبيه بالبشر Apollo 2 من شركة Apptronik. في العالم الحقيقي، رمى الروبوت الأكياس في الهدف سبع مرات متتالية. وبحسب DeepMind، يختصر مسار Video-to-Sim-to-Real أسابيع من النمذجة اليدوية إلى بضع ساعات.

من الفيديو إلى المحاكاة ثم إلى الأرضية الحقيقية

تبدو لعبة كورنهول بسيطة: عليك رمي كيس مملوء بالحبوب في فتحة بلوح مائل. أما بالنسبة إلى الروبوت الشبيه بالبشر، فهي مجموعة مهام مترابطة في آن واحد. عليه أن يمسك الكيس، وينقل الوزن، ويختار المسار، ثم يُفلت الكيس في اللحظة المناسبة تماماً. وأي خطأ في أي حلقة من هذه السلسلة يُخرج الرمية عن هدفها.

وفق وصف DeepMind، تعمل السلسلة على النحو التالي. يزوّد الباحثون Gemini 4 Argon بفيديو للاعب. يعتمد النموذج على فهم الفيديو وعلى الاستدلال المتقدم، ويبني مشهداً افتراضياً في محرك الفيزياء MuJoCo. ثم يحسب فيزياء الرمية ومعاملات التحكم بالجسم كاملاً. بعد ذلك يُنقل الحل الجاهز إلى Apollo 2 في العالم الحقيقي.

العنصر الأهم هنا ليس الرمية نفسها، بل الخطوة التي تقع في المنتصف. في السابق، كان فريق من المهندسين يبني مثل هذه المحاكاة يدوياً: قياسات، ونمذجة للأجسام، وضبط لمعاملات التلامس. وتقول DeepMind إن ذلك يستغرق الآن بضع ساعات.

ما الذي نعرفه من الأرقام

• النموذج: Gemini 4 Argon.
• الروبوت: الروبوت الشبيه بالبشر Apollo 2 من إنتاج Apptronik.
• المحاكي: MuJoCo.
• المدخلات: فيديو لشخص يلعب كورنهول.
• النتيجة في العالم الحقيقي: سبع إصابات متتالية.
• توفير الوقت المعلن: من أسابيع من النمذجة اليدوية إلى بضع ساعات.
• صيغة الاختبار: داخلي، أجراه باحثو DeepMind.

ما الذي بقي خارج الكادر

يترك الوصف المرافق للمقطع أسئلة كثيرة بلا جواب. فـ DeepMind لا تذكر المسافة إلى اللوح ولا حجم الهدف. ولا يُعرف كم محاولة سبقت سلسلة الرميات السبع، ولا إن كان إنسان قد شارك في المعايرة. ولم تكشف الشركة ما الذي ينتجه النموذج بالضبط: شيفرة المتحكم، أم المسارات، أم معاملات السياسة. كما أنه ليس واضحاً كيف جرى سد الفجوة بين المحاكاة والواقع، وهي المشكلة الرئيسية في نهج sim-to-real.

تبدو سلسلة الإصابات السبع جيدة في المقطع، لكنها لا تغني عن الإحصاءات. فالتقييم يحتاج إلى نسبة النجاح على عينة طويلة، ومدى التفاوت بين الظروف المختلفة، وسلوك الروبوت عند تغيير الكيس أو الإضاءة. ولا يوجد حتى الآن تحقق مستقل.

ومع ذلك، فالاتجاه واضح. فأكبر عنق زجاجة أمام الذكاء الاصطناعي الفيزيائي اليوم يكمن في البيانات وبيئات التدريب. التشغيل عن بُعد مكلف، وبناء المحاكاة يدوياً بطيء. فإذا كان نموذج لغوي يفهم الفيديو يبني فعلاً مشهداً فيزيائياً صالحاً للعمل من مقطع عادي، يصبح أي فيديو على الإنترنت بيئة تدريب محتملة. وينتقل السؤال من «من أين نأتي بالبيانات» إلى «ما مدى دقة إعادة النموذج بناء الفيزياء».

ما الذي ينبغي أن تفعله الفرق

على مهندسي الروبوتات أن يراجعوا دورة التطوير لديهم وأن يحددوا أين يضيع الوقت: في جمع البيانات، أم في نمذجة المشهد، أم في النقل إلى الواقع. وإذا كانت التكلفة الأكبر في النمذجة، فإن نهج «فيديو ← محاكاة» جدير بالتجربة على مهامهم الخاصة. MuJoCo مفتوح، ويمكن تجربة إعادة بناء المشاهد من الفيديو منذ الآن على نماذج متعددة الوسائط متاحة، دون انتظار إتاحة Gemini 4 Argon عبر الشراكات.

ويجب تقييم هذه الأنظمة بمدى تكرار النتيجة على سلسلة طويلة من التشغيلات، لا بأفضل تشغيل. أما من يتابع سوق الروبوتات الشبيهة بالبشر، فمن المفيد أن يراقب أمرين: هل ستنشر DeepMind وApptronik مقاييس، وهل سيُتاح المسار للمطورين الخارجيين. حتى الآن، هذا عرض قوي، لكنه ليس منتجاً.