RoboArchitect يرفع نجاح الأذرع الروبوتية من 9,7% إلى 43,3% في مشاهد جديدة دون إعادة تدريب

أظهر فريق RoboArchitect أنه لا حاجة إلى كتابة الغلاف البرمجي (harness) لسياسة الروبوت يدوياً، إذ يمكن إسناد المهمة إلى نموذج برمجي. يأخذ النظام سياسة رؤية–لغة–فعل (VLA) مجمّدة، ويراجع تسجيلات تشغيلاتها الفاشلة، ثم يعيد بنفسه كتابة شيفرة التحكم المحيطة بها. ومن دون أي تحديث للأوزان، ارتفع متوسط النجاح في المشاهد غير المألوفة من 9,7% إلى 43,3% (4,5 أضعاف)، وفي المهام غير المألوفة من 12,7% إلى 40,2% (3,2 أضعاف). وهذه الأرقام مستمدة من حلقات (episodes) مستبقاة لم يرها الغلاف أثناء التحسين.

ما الذي يتطور بالضبط

الغلاف هنا برنامج يقع بين ملاحظات البيئة والأوامر منخفضة المستوى الموجهة إلى وحدة التحكم. في كل خطوة يتلقى الغلاف إطارات الكاميرات وخرائط العمق ووضعية الذراع وحالة المقبض، إضافة إلى التعليمات النصية. أما النسخة الأولية فتمرّر أفعال السياسة المجمّدة كما هي دون تغيير، أي أنها تعادل تقييم النموذج «العاري».

بعد ذلك تبدأ حلقة مألوفة لكل مهندس: تشغيل، ثم رصد الفشل، ثم فهم السبب، ثم تعديل الشيفرة، ثم فحص جديد. يسجّل كل تقييم المسارات الكاملة: صوراً لكل إطار، وقراءات الروبوت، ومخرجات جميع النماذج والأدوات. ويقرأ النموذج البرمجي هذه المسارات (شغّله المؤلفون عبر عميل Claude Code بأعلى مستوى من الجهد)، ويشخّص الإخفاقات، ويقترح نسخة جديدة. يُعاد فحص النسخة المرشحة على حلقات التدريب نفسها، ولا تُقبل إلا إذا كانت نتيجتها أفضل من النسخة الحالية، ولذلك يرتفع الأداء على مجموعة التدريب باطّراد. والسقف هو 5 تكرارات.

تتاح للغلاف أدوات مساعدة: Qwen3-30B-A3B-Instruct نموذجاً لغوياً، وMolmo2-8B للرؤية وتحديد النقاط، وGrounding-DINO للكشف، وSAM 3 للتجزئة، وGraspGen لتوليد أوضاع الإمساك. وتتوافر كذلك أدوات هندسية تحوّل أزواج «بكسل–عمق» إلى إحداثيات ثلاثية الأبعاد في قاعدة الروبوت.

ما الذي ابتكره النظام

الاستراتيجيات التي توصل إليها النظام بشرية الطابع إلى حد بعيد. فإذا ظلت السياسة تدفع علبة عصير حتى تنقلب، يلاحظ الغلاف الانسداد ويرفع الذراع. وعندما يعيق رفٌّ علوي الحركة، يُدار المقبض وتدخل اليد من الجانب. وإذا لم يُغلق باب المحمصة بسبب ضعف الضغط، يضاعف الغلاف سعة الحركة ويُحكم إغلاقه. وكل تعديل يعالج نوعاً محدداً من الإخفاق، ولذلك يسهل قراءته وتطويره، بخلاف تغييرات الأوزان.

وحيث لا تقدّم السياسة أي إشارة مفيدة، يتوقف الغلاف عن الرجوع إليها ويقود الذراع بإدراكه الخاص. وعملياً يصبح الناتج وكيلاً (agent) وفق نموذج code-as-policy، ويرى المؤلفون أن هذا يجمع تجريبياً بين نهجين يُنظر إليهما عادةً بمعزل أحدهما عن الآخر.

كذلك يطوّر الغلاف ذاكرة دائمة. لم يحدد المؤلفون مخططها ولا قواعد تخزينها، بل يقرر النظام بنفسه ما يدوّنه وكيف يستعيده. ونتيجة لذلك تدخل الذاكرة تفاصيل عملية، مثل العمق الفعلي للإمساك الذي يؤخذ في الحسبان في القرارات اللاحقة.

النتائج والقيود

جرى التقييم على LIBERO-Pro-10 (وهو LIBERO-10 مع إعادة ترتيب الأجسام)، وعلى SimplerEnv بمنصتي Google وWidowX، وعلى VLABench. واستُخدمت سياستا MolmoAct-2 وX-VLA. وفي VLABench طُبّق progress score الرسمي الذي يمنح درجة جزئية على الإمساك بالجسم المطلوب واستيفاء الشروط، مع أن الورقة البحثية تسميه «نجاحاً» أيضاً للتبسيط. وللمقارنة مع إعادة التدريب، اعتمد المؤلفون نقاط تدقيق (checkpoints) عامة للنماذج نفسها، مضبوطة على معيار الاختبار المستهدف.

يكون الكسب أكبر ما يكون حيث يبتعد معيار الاختبار عن بيانات تدريب السياسة: فالنموذج العام داخل غلاف متطور كثيراً ما يتفوق على نسخته المعاد تدريبها. وبالإضافة إلى ذلك، بنى المؤلفون غلافاً موحداً لمنصات مختلفة (Franka Panda وWidowX والذراع المتنقلة من Google). وقد دُرّب على حلقات مولّدة إجرائياً خارج التقييمات القياسية. وهو يرفع النتيجة بوضوح حول X-VLA العامة، بينما يحافظ حول النماذج المتخصصة المعاد تدريبها على جودتها.

التحفظات واضحة: أُجريت جميع التجارب في بيئات محاكاة، ولا يرد في النص المتاح وصف لاختبار على عتاد حقيقي. كما تعتمد النتيجة بقوة على نموذج برمجي قوي ومجموعة أدوات جاهزة، ولا تتوافر في المادة بيانات عن عدد التكرارات اللازم ولا عن تكلفة التشغيلات. والخلاصة العملية للفرق التي تكيّف السياسات مع ذراع أو مشهد جديد: بدلاً من جمع العروض التوضيحية وإعادة التدريب، يستحق الأمر تجربة التحسين الآلي للغلاف أولاً. ويؤكد المؤلفون أن في الغلاف تحديداً اليوم مخزوناً كبيراً للنمو في مجال المناولة (manipulation).