Odyssey تطلق Odyssey-3: نموذج عالمي واحد يقود روبوتًا وسيارة وطائرة مسيّرة

فتح مختبر Odyssey في بالو ألتو بتاريخ 8 أكتوبر 2026 المعاينة البحثية (research preview) من Odyssey-3. وهو نموذج عالمي (world model) يتحكم، بحسب ما تقوله الشركة، في الأذرع الروبوتية والروبوتات البشرية، ويقود سيارة، ويقوم بتوجيه الطائرات المسيّرة، ويلعب ألعاب الفيديو. نموذج واحد يغطي خمسة أنواع من المهام، دون حزمة تقنية (stack) منفصلة لكل منصة. ويرد اسم الهند في عنوان TNW، إذ عُرض هناك مقطع القيادة. والمعاينة متاحة الآن.

ما الذي أُعلن تحديدًا

تتعلم النماذج العالمية من كميات كبيرة من الفيديو، وتتنبأ بكيفية تغيّر المشهد لاحقًا، بما في ذلك استجابةً لأفعال الوكيل (agent). وكان هذا النهج يُستخدم في الغالب سابقًا لتوليد عوالم تفاعلية ومحاكاة. أما Odyssey فتذهب أبعد من ذلك، وتعلن أن النموذج نفسه يصلح للتحكم في الآلات الفيزيائية.

يتضح من الوصف المتاح للإصدار ما يلي:

• المطوّر: Odyssey، بالو ألتو، الولايات المتحدة.
• الحالة: معاينة بحثية (research preview)، متاحة منذ 8 أكتوبر 2026.
• المنصات: أذرع روبوتية، وروبوتات بشرية، وسيارة، وطائرات مسيّرة.
• مجال إضافي: ألعاب الفيديو.
• عرض القيادة: الهند.
• غير معلن في الجزء المتاح من المادة: عدد المعاملات، وتردد التحكم، ومقاييس النجاح، وشروط الترخيص، والسعر.

النقطة الأخيرة مهمة. فحتى الآن ما لدينا هو ادعاء من المطوّر، لا نتيجة تحقق مستقل.

لماذا نموذج واحد بدل مجموعة من السياسات؟

المخطط المعتاد في الروبوتات يبدو هكذا: تُدرَّب سياسة (policy) لذراع روبوتية، وأخرى لمنصة متنقلة، وثالثة للسيارة. ولا تُعاد الاستفادة من البيانات ولا من الفرق الهندسية في هذه الحالة. أما إذا كان النموذج العالمي ينقل فعلًا فهم فيزياء المشهد بين الأجسام المختلفة، فإن الاقتصاديات تتغير. يصبح لدينا تدريب مسبق واحد على الفيديو وضبط دقيق (fine-tuning) للعتاد المحدد، بدلًا من خمسة مشاريع مستقلة.

واختيار الهند لعرض القيادة منطقي. فحركة المرور الكثيفة المختلطة، بما فيها الدراجات النارية والمشاة والعلامات الطرقية غير الواضحة، لا تنسجم مع القواعد المنظمة التي تُبنى عليها أنظمة كثيرة للقيادة الذاتية. وبالنسبة إلى نموذج يتعلم من البيانات المرئية، فهذا اختبار إجهاد قوي. لكن رحلة واحدة معروضة لا تقول شيئًا عن الإحصاءات: كم كيلومترًا، وكم مرة تدخّل الإنسان، وفي أي طقس، وفي أي منطقة.

تبدو ألعاب الفيديو في القائمة أرخص اختبار للشمولية. فالخطأ في اللعبة لا يكلّف شيئًا، ويسهل فيها قياس النجاح. وهي لدى Odyssey أرض مألوفة أيضًا، لأن المختبر يعمل على نماذج فيديو تفاعلية. أما المنافسون في المجالات المجاورة فمعروفون: Genie من Google DeepMind، وCosmos من NVIDIA، وV-JEPA من Meta. وتحاول Odyssey أن تشغل موقعًا يكون فيه النموذج العالمي هو المتحكم نفسه.

كيف نتعامل مع المعاينة عمليًا

إذا كنت مطوّرًا أو مُدمِجًا للأنظمة، فابدأ بالأسئلة التي لا يجيب عنها الإعلان. ما زمن التأخير بين الإطار والفعل؟ كيف يتصرف النموذج خارج توزيع بيانات التدريب، مثلًا عند إضاءة مختلفة أو نمط إمساك مختلف؟ وما نسبة المحاولات الناجحة على عتادك أنت، لا على منصة العرض التجريبية؟ وبالنسبة إلى السيارة والطائرات المسيّرة، أضف معدل تدخّل المشغّل، والسلوك عند فقدان الاتصال.

من المعقول إجراء التجارب الأولى في المحاكاة وعلى أذرع روبوتية غير مكلفة. ولا ينبغي ربط منصة فيزيائية قد تسبب ضررًا بالنموذج دون طبقة أمان مستقلة: من محدِّدات للسرعة والقوة وأسيجة جغرافية (geofences) لا تعتمد على الشبكة العصبية نفسها. فالمعاينة البحثية تعني، تحديدًا، وضعًا بحثيًا.

والفحص النهائي بسيط. إذا ظهرت اختبارات مرجعية قابلة للمقارنة ونتائج قابلة للتكرار من أطراف ثالثة، فستصبح Odyssey-3 مرشحة لتكون طبقة تحكم شاملة. أما الآن فهي طرح قوي وعرض جيد، لا يزال عليهما أن يُثبتا بالأرقام.