SkeLAM يعلّم الروبوت محاكاة حركات الإنسان بعد التدريب على 10 ساعات من البيانات
قدّم فريق من معهد هاربين للتكنولوجيا (حرم شنتشن) نموذج SkeLAM، وهو نموذج يتدرّب على بيانات الروبوتات لكنه يعمل مع عروض توضيحية يقدّمها البشر. يقوم النموذج على Cosmos-Predict2.5-2B المدرَّب مسبقًا، واستغرق تدريبه نحو 10 ساعات من تسجيلات تفاعل الروبوت مع الأشياء. يتركّز الجانب الأهم على النقل: يُدخل الباحثون فيديو يظهر فيه يد إنسان، فتتحرك الذراع الروبوتية في المقطع المولَّد في الاتجاه نفسه الذي تتحرك فيه اليد في العرض التوضيحي. وتبقى جميع المعاملات مجمّدة خلال ذلك، ولا يجري أي تدريب إضافي على هذه العروض. • النموذج الأساسي: Cosmos-Predict2.5-2B، نحو 2 مليار معامل • حجم بيانات التدريب: نحو 10 ساعات من تسجيلات الروبوتات • نوع النقل: من يد الإنسان إلى اليد الروبوتية، zero-shot
معالج بواسطة الذكاء الاصطناعي من Jiqizhixin (机器之心)؛ بتحرير Hamidun News
نحو 10 ساعات من تسجيلات الروبوت وعرض توضيحي واحد بيد إنسان. كان ذلك كافيًا لباحثي معهد هاربين للتكنولوجيا (حرم شنتشن) كي يحصلوا على نموذج SkeLAM، الذي ينقل الحركة من الإنسان إلى الذراع الروبوتية دون تدريب إضافي. يقوم النظام على نموذج الفيديو المدرَّب مسبقًا Cosmos-Predict2.5-2B، وقد دُرّب على نحو 10 ساعات من بيانات الروبوتات.
الإنسان في المدخلات، والذراع الروبوتية في المخرجات
التجربة بسيطة في تصميمها. دُرّب النموذج على بيانات تتفاعل فيها ذراع روبوتية مع الأشياء. وفي مرحلة الاختبار استُبدلت لقطات الروبوت بعرض توضيحي لإنسان: تتحرك في الإطار يد حقيقية. يُظهر الفيديو المولَّد ذراعًا ميكانيكية تتوافق حركتها مع إيماءة الإنسان، ويتطابق اتجاه الحركة مع ما ورد في العرض التوضيحي.
وثمة تفصيل مهم في طريقة التنفيذ. فمعاملات النموذج مجمّدة بالكامل أثناء النقل، ولم يُجرَ أي تدريب إضافي على العروض البشرية. يُسمّى هذا النمط zero-shot: يواجه النموذج بيانات مختلفة في طبيعتها، ويتعامل معها بالأوزان نفسها التي اكتسبها من بيانات الروبوتات.
لماذا يبقى النقل بين الأجساد عنق زجاجة؟
تعاني الروبوتات منذ زمن طويل من نقص البيانات. فتسجيلات التحكم عن بُعد مكلفة: إذ تتطلب مشغّلًا ومعدات ووقتًا. أما تصوير فيديو يحرّك فيه الإنسان يديه فأسهل بأضعاف، وتتوافر منه كميات هائلة على الإنترنت. لكن يد الإنسان وماسك الذراع الروبوتية يختلفان في الهندسة وعدد درجات الحرية والمظهر الخارجي. والنموذج المدرَّب على «شكل جسدي» واحد يقرأ الشكل الآخر عادةً بصورة سيئة. وتُسمّى هذه المسألة في الأدبيات العلمية النقل عبر الأجساد (cross-embodiment transfer).
يُظهر SkeLAM أنه يمكن بناء جسر بين شكلين جسديين بحجم صغير من بيانات الروبوتات. فعشر ساعات تُعدّ مجموعة بيانات متواضعة بمقاييس القطاع. ويتولى نموذج الفيديو الكبير جزءًا من القدرات، إذ لديه أصلًا تصوّر عن فيزياء المشهد والأشياء وديناميكيات الحركة.
معطيات التجربة
- المؤلفون: معهد هاربين للتكنولوجيا، حرم شنتشن
- اسم النموذج: SkeLAM
- النموذج الأساسي: Cosmos-Predict2.5-2B، نموذج فيديو مدرَّب مسبقًا بنحو 2 مليار معامل
- بيانات التدريب: نحو 10 ساعات إجمالًا من بيانات تفاعل الروبوت
- سيناريو الاختبار: النقل من يد الإنسان إلى اليد الروبوتية
- المدخلات عند الاختبار: عرض فيديو لإنسان بدلًا من لقطات الروبوت
- النتيجة: تتحرك الذراع الميكانيكية في الفيديو المولَّد في اتجاه يتوافق مع العرض التوضيحي
- نمط النقل: جميع المعاملات مجمّدة، ولا يوجد تدريب إضافي على هذه العروض
ما الذي يبقى للتحقق منه
توليد الفيديو والتحكم في ذراع روبوتية حقيقية يقعان على مستويين مختلفين. فمقطع تتحرك فيه اليد في الاتجاه الصحيح لا يضمن بعدُ أن الروبوت الفعلي سينفّذ الإمساك أو الدوران أو التموضع الدقيق. وتطابق اتجاه الحركة يختبر الأساس، لكنه لا يختبر المهارة الحركية الدقيقة. ومن المرجّح أن يتجه العمل لاحقًا نحو تحويل المسارات المولَّدة إلى أوامر لروبوتات حقيقية، وإلى اختبارات على منصات مختلفة.
أما بالنسبة إلى من يبنون الروبوتات، فالخلاصة العملية هي التالية. إذا أكدت الاختبارات اللاحقة النتيجة، فسيمكن جمع جزء كبير من بيانات التدريب لا بالروبوت، بل من أشخاص بكاميرا عادية. وهذا يخفّض كلفة مجموعات البيانات ويسرّع دورات التكرار. وتتحول نماذج الفيديو من فئة Cosmos من مجرد مولّدات مقاطع إلى أساس لسياسات التحكم. ويستحق المتابعة كيف سينقل الفريق النتيجة إلى منصات فيزيائية، وأي مقاييس لنجاح المهام سيعرضها خارج مقاطع العرض التوضيحي.
أسئلة وأجوبة حول الخبر
لماذا يبقى النقل بين الأجساد عنق زجاجة؟
تعاني الروبوتات منذ زمن طويل من نقص البيانات. فتسجيلات التحكم عن بُعد مكلفة: إذ تتطلب مشغّلًا ومعدات ووقتًا. أما تصوير فيديو يحرّك فيه الإنسان يديه فأسهل بأضعاف، وتتوافر منه كميات هائلة على الإنترنت. لكن يد الإنسان وماسك الذراع الروبوتية يختلفان في الهندسة وعدد درجات الحرية والمظهر الخارجي. والنموذج المدرَّب على «شكل جسدي» واحد يقرأ الشكل الآخر عادةً بصورة سيئة. وتُسمّى هذه المسألة في الأدبيات العلمية النقل عبر الأجساد (cross-embodiment transfer). يُظهر SkeLAM أنه يمكن بناء جسر بين شكلين جسديين بحجم صغير من بيانات الروبوتات. فعشر ساعات تُعدّ مجموعة بيانات متواضعة بمقاييس ال
ما أبرز التفاصيل حول الإنسان في المدخلات، والذراع الروبوتية في المخرجات؟
التجربة بسيطة في تصميمها. دُرّب النموذج على بيانات تتفاعل فيها ذراع روبوتية مع الأشياء. وفي مرحلة الاختبار استُبدلت لقطات الروبوت بعرض توضيحي لإنسان: تتحرك في الإطار يد حقيقية. يُظهر الفيديو المولَّد ذراعًا ميكانيكية تتوافق حركتها مع إيماءة الإنسان، ويتطابق اتجاه الحركة مع ما ورد في العرض التوضيحي. وثمة تفصيل مهم في طريقة التنفيذ. فمعاملات النموذج مجمّدة بالكامل أثناء النقل، ولم يُجرَ أي تدريب إضافي على العروض البشرية. يُسمّى هذا النمط zero-shot: يواجه النموذج بيانات مختلفة في طبيعتها، ويتعامل معها بالأوزان نفسها التي اكتسبها من بيانات الروبوتات.
ما أبرز التفاصيل حول معطيات التجربة؟
المؤلفون: معهد هاربين للتكنولوجيا، حرم شنتشن اسم النموذج: SkeLAM النموذج الأساسي: Cosmos-Predict2.5-2B، نموذج فيديو مدرَّب مسبقًا بنحو 2 مليار معامل بيانات التدريب: نحو 10 ساعات إجمالًا من بيانات تفاعل الروبوت سيناريو الاختبار: النقل من يد الإنسان إلى اليد الروبوتية المدخلات عند الاختبار: عرض فيديو لإنسان بدلًا من لقطات الروبوت النتيجة: تتحرك الذراع الميكانيكية في الفيديو المولَّد في اتجاه يتوافق مع العرض التوضيحي نمط النقل: جميع المعاملات مجمّدة، ولا يوجد تدريب إضافي على هذه العروض
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.