وكيل يعمل بـ GPT-6 Sol يدرّب روبوتًا افتراضيًا على المشي والبحث عن القطط خلال ساعات

عادةً يستغرق الطريق من فكرة «أريد روبوتًا يتجول في الغرفة ويجد القط» إلى محاكاة عاملة أسابيع. فعليك كتابة الشيفرة وإعداد البيئة وبدء التدريب ومعرفة سبب سقوط الروبوت وتعديل المكافآت ثم التكرار. جرّب ويل نايت، المحلل في Wired، أن يسلّم نموذجًا لغويًا هذه الدورة بأكملها تقريبًا، وأنجز المهمة خلال بضع ساعات.

ماذا فعل الوكيل بالضبط

بطل التجربة هو نسخة افتراضية من Microduck، وهو روبوت لطيف من Pollen Robotics وHugging Face. لا يزال الكاتب ينتظر النسخة الفعلية، لذلك جرى كل شيء في المحاكي. المهمة بسيطة: التجول في الغرفة والتعرّف على قطط البنغال. وفي وقت لاحق يُفترض أن يقدّم الروبوت مكافأة لقطة الكاتب التي تُدعى ليونا.

مجموعة الأدوات: GPT-6 Sol من OpenAI، وإطار الوكلاء Hermes من Nous Research، وحاسوب Nvidia DGX Spark الشخصي. ولم يكتفِ النموذج بكتابة الشيفرة. فعبر Nvidia Isaac Sim كان يعطي التعليمات لنموذج يتحكم في الروبوت الافتراضي، ويشاهد مقاطع النتائج، ويقيّم سير الأمور، ويقترح تعديلات على نمط التدريب. أي أن الإنسان كان أقرب إلى صاحب الطلب، بينما تولّى الوكيل روتين الباحث: تشغيل التجارب وتحليل النتائج.

النتيجة: تعلّم الروبوت المشي وعدم السقوط. أما محاولة تعليمه مشية القمر انطلاقًا من صورة GIF لمايكل جاكسون فقد فشلت. وبعد ساعات من العمل لم تتحقق سوى «ركضة نشيطة جدًا إلى الخلف».

ماذا يفعل المحترفون

تجري المختبرات محاولات مشابهة. فبعد إطلاق نموذج Astra في سبتمبر، اطّل فريق البروفيسور كين غولدبرغ من بيركلي على عرضه التوضيحي لتوليد الصور ثلاثية الأبعاد وتساءل: هل يساعد ذلك في بناء محاكاة لتدريب الروبوتات؟ يجب أن تكون هذه المحاكاة دقيقة جدًا، وإلا فإن السلوك المعقد، مثل رقص روبوت بشري الشكل أو الإمساك بيد، لن ينتقل جيدًا إلى العالم الحقيقي.

منح أحد الطلاب Astra إمكانية الوصول إلى أداة Nvidia Newton، وعرض عليه مقطع فيديو لروبوت حقيقي وطلب إعادة بناء المشهد. ووفق غولدبرغ، أنتج النموذج في أقل من ساعة محاكاة ثلاثية الأبعاد كاملة بمعاملات مضبوطة: موضع الكاميرا والإضاءة والخلفية والمواد.

وفي هذا الأسبوع فتح غولدبرغ والباحث في Nvidia جيم فان وزملاؤهما شيفرة إطار Aspire. وهو يتيح للروبوت أن يجد مهارات جديدة ويطبقها بنفسه. وفي أحد الأمثلة تحكّم GPT-6 Astra في ذراعين روبوتيتين وحلّ مكعب روبيك: أمسكه أولًا بزاوية خاطئة، ثم فكّر طويلًا ونجح في النهاية لأنه كان يراكم المهارات أثناء العمل. وفي مؤتمر CoRL في أوستن عرض فان عرضًا توضيحيًا آخر: النموذج يرسم جسر البوابة الذهبية بالفرشاة والألوان.

فكرة فان أن النماذج اللغوية الكبيرة باتت تتحكم في الروبوتات كما تتحكم في الأدوات البرمجية. أما النماذج المدرَّبة على الأفعال الفيزيائية (VLA) فهي بالنسبة إليها مجرد أداة أخرى، مثل تطبيق على حاسوب.

القيود والخلاصة العملية

لا ينبغي توقع أن تبدأ الروبوتات بالعمل من تلقاء نفسها غدًا. ويعترف الكاتب بصراحة بأن رؤية بطريقه ضعيفة جدًا لمنتج حقيقي. ولا يزال العمل الموثوق والفعّال للروبوتات يتطلب خبرة هندسية جادة. كما أن نتائج العروض التوضيحية وصفها المشاركون أنفسهم، ولا يتضمن المقال أي تحقق مستقل.

ومع ذلك، فالخلاصة للممارسين هي التالية. يتحول عنق الزجاجة في الروبوتات من «كتابة الشيفرة» إلى «صياغة المهمة والتحقق من النتيجة». فإذا توافر لديك محاكٍ وتحليل فيديو ووكيل قادر على تشغيل التجارب وتحليل نتائجها، تقصر دورة التكرار من أسابيع إلى ساعات. ويمكن تجربة ذلك بالفعل في النماذج الأولية ومشاريع الهواة، كما يشكّل Aspire نقطة انطلاق جاهزة.

ويقول غولدبرغ إن عدة شركات في الروبوتات الصناعية والأتمتة أبدت اهتمامًا بهذا النهج. فهي ترى فيه إمكانات في التصنيع والتجارة الإلكترونية. ويفترض نايت أن «البرمجة بالإحساس» (vibe coding) قد تتبعها «الروبوتات بالإحساس» (vibe robotics): حين تصبح برمجة الروبوتات وتدريبها سهلة على الهواة والمهندسين على حد سواء. وإذا سار كل شيء على ما يرام، فلن تضطر ليونا بعد الآن إلى البقاء بلا مكافأة.