Harvard وUC Berkeley وNVIDIA تبحث عن Scaling Law للروبوتات: +37,4 نقطة على خمسة اختبارات معيارية

نشر فريق بحثي من Harvard وUC Berkeley وNVIDIA دراسة تبحث عن قوانين التوسع في الروبوتات. ووفقًا لموقع Jiqizhixin الصيني، يتفوق النهج الجديد في المتوسط بمقدار 37,4 نقطة على الحلول الأساسية القوية في خمسة اختبارات معيارية. وسارعت وسائل الإعلام إلى وصف الدراسة بأنها «لحظة o1» في مجال الروبوتات. وهذا التشبيه مفهوم لكل من تابع النماذج اللغوية: فبعد مرحلة «مزيد من البيانات ومزيد من المعاملات»، ظهر في LLM محور جديد للنمو. ويبدو أن الروبوتات اقتربت من عتبة مشابهة.

لماذا يضيق التوسع التقليدي بالروبوتات

سار الذكاء الاصطناعي المجسَّد (embodied AI) في السنوات الأخيرة وفق سيناريو مألوف. جمع الباحثون كميات متزايدة من بيانات التشغيل عن بُعد، وبنوا نماذج أكبر فأكبر، وكانت نماذج VLA (vision-language-action) إلى جانب WAM (world action models) ترفع بانتظام سقف الإمكانات في المختبرات. لكن العقبة في النشر الفعلي تكمن في أمر آخر. فبمجرد تغيير المنصة أو بيئة العمل، يبرز السؤال: كم من الأشخاص والبيانات وساعات GPU يلزم استثماره من جديد؟ فآلاف الساعات من العروض التوضيحية التي جُمعت لروبوت واحد لا تنتقل بسهولة إلى روبوت آخر.

هذا هو الجزء الأعلى كلفة في الروبوتات. يبدو النموذج مبهرًا في العرض التجريبي، لكنه يحتاج في المستودع أو المصنع إلى أشهر من الضبط الإضافي. لذلك فإن عملًا يدّعي تقديم طريقة جديدة للتوسع، لا مجرد تحسن آخر في اختبار معياري، يمسّ نقطة الألم في القطاع.

ما المعروف عن النتيجة

الحقائق الرئيسية التي تؤكدها الدراسة:

• المؤلفون: Harvard وUC Berkeley وNVIDIA، أي الأوساط الأكاديمية إضافة إلى الشركة المصنِّعة للعتاد المستخدم في الروبوتات؛
• الموضوع: دراسة قوانين التوسع في الروبوتات؛
• التحقق: خمسة اختبارات معيارية؛
• النتيجة: +37,4 نقطة في المتوسط مقارنةً بالحلول الأساسية القوية؛
• سياق المقارنة: فئة نماذج VLA وWAM التي تُعدّ اليوم الأكثر تقدمًا في embodied AI.

يُعدّ متوسط المكسب البالغ 37,4 نقطة على خمسة اختبارات كبيرًا على نحو غير معتاد. ففي الروبوتات تضيف الطرق الجديدة عادةً بضع نقاط مئوية، أما القفزات من رقمين فتظهر حين تتغير صياغة المسألة نفسها أو طريقة توزيع الحوسبة. والمقارنة مع o1 تلمّح إلى ذلك تحديدًا: ففي LLM لم يأتِ الأثر من زيادة بيانات التدريب، بل من أن النموذج صار قادرًا على إنفاق مزيد من الحوسبة على عملية الحل ذاتها. أما في الروبوتات، حيث يكلّف خطأ الفعل أكثر من الخطأ في النص، فقد يكون هذا التحول أكثر بروزًا.

دور NVIDIA وسؤال التكلفة

مشاركة NVIDIA هنا أمر متوقع. فالشركة تبني حول الروبوتات مسارًا مستقلًا يضم المحاكيات والنماذج الأساسية للروبوتات الشبيهة بالبشر وبنية التدريب التحتية. وإذا تبيّن أن جودة الروبوتات تنمو بصورة يمكن التنبؤ بها مع زيادة الحوسبة في مرحلة معينة، فهذا يعني طلبًا إضافيًا على GPU في التدريب وفي الاستدلال (inference) على السواء. وحين «يفكر» الروبوت لمدة أطول، ينتقل الحِمل إلى الجهاز نفسه أو إلى الخوادم الطرفية القريبة منه.

والجانب السلبي واضح. فكلما زادت الحوسبة المخصصة لكل قرار، تشدّدت القيود المتعلقة بزمن الاستجابة واستهلاك الطاقة. فالروبوت على خط التجميع لا يستطيع أن يقضي ثوانيَ في التفكير قبل كل حركة. وكيف يعالج المؤلفون هذه المشكلة، سيتضح من الورقة الكاملة ومن مدى قدرة مجموعات مستقلة على إعادة إنتاج النتائج.

ما الذي ينبغي أن تراقبه الفرق التي تبني الروبوتات

الخلاصة العملية للشركات التي تعتمد نماذج VLA هي التالية. لا تقيّموا الجودة على منصة واحدة فحسب، بل قيّموا أيضًا كلفة النقل إلى منصة أخرى: كم من البيانات وساعات GPU يلزم لإعادة نسبة نجاح المهمة إلى مستواها السابق. فإذا أظهر العمل الجديد أن النمو ممكن دون جمع عروض توضيحية جديدة لكل روبوت، فقد تُعاد مراجعة ميزانيات التشغيل عن بُعد.

ومن المفيد أيضًا الاطلاع على الاختبارات المعيارية نفسها والتحقق من مدى قربها من سيناريوهاتكم. فالتحسن المتوسط من رقمين على اختبارات أكاديمية لا يضمن حتى الآن الأثر نفسه في ورشة الإنتاج. لكن بوصفها إشارة إلى أن اتجاه التوسع في الروبوتات قد تغيّر، فإن هذه الدراسة تستحق قراءة متأنية.