Nvidia GR00T 2 يعلّم الروبوتات المهارات الحركية الدقيقة بالفيديو: نجاح بنسبة 95% بعد خمسة عروض توضيحية

المشكلة الأساسية في الروبوتات هي البيانات، لا العتاد. فلكي تتعلم ذراع روبوتية إدخال موصّل، أو الإمساك بقطعة هشة، أو نقل أشياء صغيرة بعناية، يقضي المشغّل ساعات في توجيه حركاتها عبر التحكم عن بُعد، ولكل عرض توضيحي من هذا النوع تكلفة. تحاول Nvidia، من خلال GR00T 2، تجاوز هذا العائق بالاستعانة بمصدر تتوافر فيه البيانات أصلًا بكثرة: مقاطع الفيديو التي تُظهر أشخاصًا يعملون.

ما الذي أعلنته Nvidia تحديدًا؟

GR00T 2 نموذج مفتوح للروبوتات، يهدف إلى مساعدتها على اكتساب مهارات يدوية دقيقة. واستند جزء من تدريبه إلى 100 000 ساعة من مقاطع الفيديو التي تُظهر أشخاصًا. وبحسب Nvidia، حقق النموذج متوسط نجاح بلغ 95% في اختباراتها الداخلية، بعد تزويده بخمسة عروض توضيحية فقط لكل مهمة. وتختبر Foxconn وSiemens وNexuni النموذج بالفعل.

لكن ثمة تحفظ مهم: هذه أرقام Nvidia نفسها، وقد تحققت على مجموعة المهام التي اختارتها. ولا يتضمن الإعلان الأصلي قياسات مستقلة، كما لا يوضح الخبر الموجز المهام التي شملها «متوسط النجاح البالغ 95%». لذا ينبغي التعامل مع الرقم بوصفه مؤشرًا إلى القدرات المعلنة، لا ضمانًا للأداء في مصنعك.

كيف يعمل ذلك؟ مثال بسيط

تخيّل أنك تعلّم متدرّبًا إغلاق عبوة صغيرة بلف غطائها. يمكنك قضاء ستة أشهر في توجيه يده لتكرار الحركة نفسها. ويمكنك أيضًا أن تبدأ بجعله يشاهد آلاف الأشخاص وهم يؤدونها، ثم تريه بضع مرات ما يميز عبوتك تحديدًا. تمنحه المرحلة الأولى فهمًا عامًا: كيف تقترب اليد من الجسم، وكيف تتغير القبضة، وأين يلزم توخي الدقة. أما المرحلة الثانية فتكيّف هذا التعلم مع المهمة المحددة.

يتبع GR00T 2 المنطق نفسه. فمقاطع الفيديو التي تُظهر أشخاصًا توفر مصدرًا منخفض التكلفة للمعرفة العامة بكيفية التعامل مع الأشياء. ثم تُستخدم العروض التوضيحية الخمسة لكل مهمة لتكييف هذه المعرفة مع روبوت بعينه وعملية محددة. وإذا كان النظام يعمل كما هو معلن، فإن إطلاق عملية جديدة يصبح أقل تكلفة، إذ لا يتطلب سوى بضعة عروض توضيحية بدلًا من أسابيع من جمع البيانات.

لماذا يهم ذلك عمليًا؟

وجود Foxconn وSiemens ضمن الجهات التي تختبر النموذج يكشف اتجاه الاهتمام: تجميع الإلكترونيات والأتمتة الصناعية، حيث تكثر العمليات الصغيرة والمتكررة التي تتطلب دقة خاصة. ففي هذه المجالات تحديدًا، كانت التكلفة المرتفعة لإعادة برمجة خط الإنتاج ليتعامل مع قطعة جديدة تمثل عائقًا.

وتختلف الدلالات باختلاف الأدوار:

• لمطوري الروبوتات: إتاحة النموذج بصورة مفتوحة تعني إمكانية تنزيله واختباره على مهامكم وإجراء تدريب إضافي له، بدلًا من انتظار الوصول إليه عبر API. ويجدر التحقق من الأذرع الروبوتية والمستشعرات التي يدعمها.
• لمديري المنتجات: احسبوا تكلفة إدخال عملية جديدة، بدل الاكتفاء بنسبة نجاح مجردة. فإذا كانت خمسة عروض توضيحية تكفي فعلًا، فإن اقتصاديات الإنتاج بدفعات صغيرة ستتغير.
• للمؤسسين: التدريب على مقاطع الفيديو التي تُظهر أشخاصًا يخفض عتبة الدخول من حيث البيانات المطلوبة. وقد يفتح ذلك مجالًا لخدمات تجمع هذه المقاطع وتوسمها لتلبية احتياجات قطاعات محددة.

القيود

أولًا: تحقيق نجاح بنسبة 95% في اختبار مختبري يختلف عن تحقيق 95% على خط إنتاج حقيقي فيه غبار وانعكاسات ضوئية وتفاوت بين القطع. ففي التصنيع، لا يقتصر الأمر على متوسط النتيجة؛ بل تهم أيضًا حالات الإخفاق وتبعاتها. فقد يكفي كسر قطعة واحدة من كل عشرين لإلغاء المكسب المتوقع.

ثانيًا: تُظهر مقاطع الفيديو أيدي بشرية، بينما تختلف البنية الحركية للروبوت وأدوات الإمساك لديه. ولا يوضح الإعلان كيف ينقل النموذج المهارة من جسم إلى آخر، مع أن ذلك سؤال أساسي يتعلق بجودة الأداء.

ثالثًا: ما تزال Foxconn وSiemens وNexuni في مرحلة الاختبار، ولم تنتقل إلى النشر الفعلي. وعادةً ما يبقى طريق طويل من اختبارات السلامة والموثوقية قبل الوصول إلى الاستخدام الصناعي.

ما الذي يمكن فعله الآن؟

إذا كنت تعمل في مجال الروبوتات، فأضف GR00T 2 إلى قائمة النماذج المرشحة لتجربة أولية، وحدد عمليتين أو ثلاثًا من عملياتك التي تتطلب مهارات حركية دقيقة. اختبرها باستخدام خمسة عروض توضيحية، ثم افحص نسبة النجاح الفعلية وطبيعة الأخطاء. وإذا اقتربت النتائج من الأرقام المعلنة، فستكون تلك إشارة قوية إلى أن التدريب على مقاطع الفيديو التي تُظهر أشخاصًا أصبح أداة عملية، تتجاوز مجرد عرض مبهر في مؤتمر.