RoboHarness: وكيل برمجة يعمل بنموذج Qwen3.8-Flash-Next يتفوق على نماذج VLA في BEHAVIOR

فتح باحثون من Zhejiang University (Bince Qu وWei Chen وBo Zhang) شفرة RoboHarness، وهي طبقة ربط خفيفة تحوّل وكيل برمجة عاديًا إلى مشغّل للروبوت. وعند اقترانها بنموذج Qwen3.8-Flash-Next، تفوقت في مهام BEHAVIOR Challenge 2025 على نماذج VLA الحديثة، أي الأنظمة التي دُرّبت خصيصًا على إنتاج أفعال روبوتية. وقد جمع مستودع GitHub 265 نجمة حتى الآن، ونُشر المشروع مع صفحة عرض توضيحي ومقاطع فيديو.

وكيل بدلًا من action head

يبدو المسار الرئيسي نحو ذكاء اصطناعي مجسَّد عام اليوم على النحو التالي: تُجمع بيانات عن أفعال الروبوتات وعروض فيديو توضيحية، ثم يُضاف action head إلى بنية نموذج لغوي، وتُدرَّب نماذج vision-language-action على نطاق واسع. وهذا مكلف، إذ يتطلب أساطيل من الروبوتات ومشغّلين يقدّمون العروض التوضيحية وقدرات حوسبية كبيرة. أما اتجاه World Action Models فيضيف إلى ذلك التنبؤ بكيفية تغيّر العالم بعد الفعل، ويحتاج إلى بيانات أكثر.

يقترح مؤلفو RoboHarness نهجًا مختلفًا. فبرأيهم، تمتلك وكلاء البرمجة إمكانات المناولة العامة، فهي تجيد أصلًا قراءة البيئة المحيطة وتخطيط الخطوات واستدعاء الأدوات وتصحيح الأخطاء. وكل ما ينقصها هو harness روبوتي بسيط وفعّال، أي طبقة تفصل بين النموذج وجسم الروبوت.

لوحة بصرية هندسية للنموذج اللغوي

يمنح RoboHarness وكيل LLM ما يسميه المؤلفون visual-geometric control panel. وهي واجهة يرى النموذج من خلالها المشهد مع هندسته، ويستدعي عبرها مباشرةً العمليات الخاصة بالمهام المجسَّدة. ولا يحتاج الوكيل إلى إصدار أوامر منخفضة المستوى لمفاصل الروبوت، بل يعمل على مستوى استدعاءات مفهومة له، على نحو يشبه عمل المبرمج مع API.

ويبقى النموذج نفسه عامًا. فهو لا يخضع لتدريب إضافي على مسارات روبوتية، ولا يحصل على action head. وتتركز المهارات الروبوتية في طبقة الربط، بينما يظل الاستدلال والتخطيط من مهام LLM. واختُبرت النتيجة على BEHAVIOR Challenge 2025، وهو معيار لقياس أداء الروبوتات في المهام المنزلية. وتفوقت المنظومة المبنية على Qwen3.8-Flash-Next على نماذج VLA الحديثة.

ما المعروف عن الإصدار

• RoboHarness: طبقة ربط مفتوحة المصدر تمنح وكلاء LLM لوحة تحكم بصرية هندسية.
• Qwen3.8-Flash-Next: النموذج الذي حقق عليه المؤلفون التفوق المعلن على VLA.
• BEHAVIOR Challenge 2025: مجموعة المهام التي جرت عليها المقارنة مع نماذج VLA الحديثة.
• المؤلفون: Bince Qu وWei Chen وBo Zhang، Zhejiang University.
• الترخيص والوصول: الشفرة على GitHub (BinceQu/RoboHarness)، وصفحة المشروع bincequ.github.io/RoboHarness، وورقة arXiv 2610.14018.
• اهتمام المجتمع: 265 نجمة على GitHub، وأُدرجت الورقة ضمن Hugging Face Daily Papers.

ماذا يغيّر ذلك للمطورين

إذا تأكد هذا النهج في مهام أخرى، فسيتغير اقتصاد الذكاء الاصطناعي المجسَّد بصورة ملحوظة. فنموذج VLA يحتاج إلى بيانات روبوتية خاصة به وتدريب منفصل لكل منصة. أما نهج harness فينقل الجزء الأكبر من العمل إلى هندسة الواجهة، بينما يوفّر التقدم السريع في نماذج LLM العادية قوة النموذج. وستمنح كل نسخة جديدة من النموذج الأساسي مكسبًا فوريًا دون إعادة تدريب خاصة بالروبوت.

ويبقى السؤال عن أداء هذه المنظومة في مواجهة زمن الاستجابة والمهارات الحركية الدقيقة خارج المحاكاة. فالأنظمة ذات سياسة الأفعال المدرَّبة لا تزال قوية هنا، بينما يستدعي وكيل البرمجة العمليات بصورة متقطعة. لكن النتيجة المعلنة على المعيار تدفع فرق الروبوتات إلى مقارنة نماذج VLA الخاصة بها بخط أساس وكيلي بسيط.

ويمكن تجربة المشروع فورًا. فيقترح المؤلفون أن يأخذ المستخدم وكيل البرمجة الخاص به وأي نموذج، ويربطهما عبر RoboHarness، ثم يشارك النتائج. وتتوفر الشفرة ومقاطع العرض التوضيحي ووصف اللوحة في المستودع وعلى صفحة المشروع. وللباحثين، هذه طريقة سريعة لاختبار مدى ما يمكن أن تحققه LLM عامة في المهام الفيزيائية دون أي عرض روبوتي توضيحي واحد في التدريب.