ROMA يعلّم الروبوتات اللمس والهزّ والضغط على الأجسام لفهمها

عندما يتلقى الإنسان صندوقًا غير مألوف، نادرًا ما يكتفي بالنظر إليه. يحمله بيديه ليقدّر وزنه، ويهزّه ليسمع هل يصدر شيء في داخله صوتًا، ويضغط عليه برفق ليعرف إن كان ليّنًا أم صلبًا. ثلاثة أفعال بسيطة تكشف ثلاثة معاملات فيزيائية مختلفة. على هذه الملاحظة بُني عمل ROMA الذي كتب عنه موقع Jiqizhixin الصيني في 10 أكتوبر 2026: يجب ألا يكتفي الروبوت باستقبال إشارات الكاميرا بشكل سلبي، بل أن يلاحظ بنفسه أن ما يعرفه عن الجسم قليل جدًا، وأن يستكمل النقص عبر التفاعل.

لم يتوفر لدينا سوى الجزء التمهيدي من المادة، لذا نعرض أدناه ما ورد فيه، وما يظل مجهولًا.

ما الذي يُعلن عنه في ROMA

الفرضية الأساسية مصوغة بوضوح: إدراك الإنسان للعالم لا يقتصر على استقبال بيانات حسية جاهزة. فعندما ندرك أن المعلومات ناقصة، نتحرك، وتكمل الاستجابة الناتجة الصورة. ينقل ROMA هذا المنطق إلى الروبوت. على النظام أن يستكشف الجسم عبر التلامس الفيزيائي، وألا يكتفي بما يظهر في الصورة.

المهم هنا ليس حركة اليد نفسها، بل شرط بدئها. يقيّم الروبوت أولًا ما ينقصه، ثم يختار الفعل الذي يسدّ هذه الفجوة. وهذه الصياغة تستبعد منذ البداية سيناريو «لمس كل شيء بلا تمييز».

لماذا لا تكفي الرؤية وحدها

الكتلة والصلابة والاحتكاك ووجود محتوى داخلي، كلها خصائص يصعب رؤيتها في اللقطة. فقد يبلغ وزن صندوقين متشابهين في المظهر 100 غرام و2 كيلوغرام. تصف نماذج الرؤية واللغة الحديثة المشهد جيدًا، لكنها تقدّر الخصائص الفيزيائية للجسم من الصورة بصورة تقريبية. وبالنسبة إلى روبوت عليه أن يمسك الشيء دون أن يسحقه، ودون أن يُسقطه أو يقلب محتواه، فإن هذه الدقة كثيرًا ما لا تكفي.

فكرة الإدراك التفاعلي في الروبوتات ليست جديدة: فالباحثون يعملون عليها منذ عقود، وتُستخدم منذ زمن حساسات لمسية مثل GelSight لتقدير الشكل والملمس. السؤال هو: من يتحكم في الاستكشاف؟ ففي الأعمال المبكرة كان تسلسل الأفعال يُحدَّد في كثير من الأحيان سلفًا. أما ROMA، بحسب الوصف، فيجعل اختيار الفعل جزءًا من استدلال الوكيل نفسه.

ما المعروف من الجزء المتاح

• المصدر: Jiqizhixin (机器之心)، منشور بتاريخ 10 أكتوبر 2026.
• اسم النهج: ROMA، والمهمة هي الاستكشاف التفاعلي للأجسام بواسطة الروبوت.
• النظائر البشرية الواردة في المادة: الوزن، والهزّ، والضغط.
• المنطق: يبدأ التفاعل عندما يكتشف النظام نقصًا في المعلومات.
• لم تُكشف في النص المتاح المقاييس، ولا قائمة الأجسام الاختبارية، ولا نوع الذراع الآلية والحساسات.

ما الذي ينقص للتقييم

دون بيانات عن التجارب، من المبكر الحكم على القوة الفعلية للنهج. فلا يُعرف على أي عتاد اختُبر النظام، ولا مع أي أجسام عمل، ولا بكم ارتفعت نسبة نجاح الإمساك أو دقة تقدير الكتلة مقارنةً بالطرق الأساسية. كما أنه من غير الواضح كيف يرتبط ROMA بالنماذج متعددة الوسائط الكبيرة: هل يُدرَّب من الصفر، أم يستخدم نموذجًا لغويًا بوصفه «مخططًا»، أم يُضبَط بدقة على مسارات التفاعل.

ما الذي ينبغي أن يراقبه المطورون

عندما تصدر المقالة الكاملة أو المستودع، يجدر التحقق من أربعة أمور. الأول: كيف صيغ «نقص المعلومات» رسميًا، هل عبر عدم اليقين في النموذج، أم عبر مصنِّف منفصل، أم عبر الاستدلال اللغوي. الثاني: كم محاولة فيزيائية تُستهلك لكل جسم، لأن كل هزّة زائدة تعني وقتًا إضافيًا في دورة العمل وتآكلًا في الأجزاء الميكانيكية. الثالث: هل تنتقل السياسة إلى أذرع آلية وحساسات أخرى. الرابع: هل توجد مقارنة مع مخطط بسيط هو «ارفع الجسم وزنه دائمًا أولًا»؛ فإذا كان يعمل بكفاءة قريبة، فسيتعين إثبات قيمة اختيار الأفعال على حدة.

أما للفرق التي تبني روبوتات المستودعات والمنازل، فـ ROMA حتى الآن مؤشر على الاتجاه وليس أداة جاهزة. والاتجاه واضح: الفهم الفيزيائي للأجسام ينتقل تدريجيًا من الكاميرا إلى اليد.