بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارTG: @ai_machinelearning_big_data (Machinelearning)→ المصدر

بوسطن ديناميكس تضع روبوت Atlas على عجلات: قفزة بزاوية 360° من المحاولة الأولى

قد يتحرك الروبوت بإتقان في المحاكاة ثم يفقد توازنه على أرضية حقيقية إذا بالغ البرنامج في تقدير قدرات المحركات. ركّبت بوسطن ديناميكس على Atlas عجلات سكوتر لاختبار هذا الحد تحت حمل مستمر. وبعد التدريب في المحاكاة أتقن الروبوت التدحرج ونفّذ قفزة بزاوية 360° من المحاولة الأولى. والأهم للمطورين هنا هو دقة نموذج المشغّلات، إذ يعتمد عليها نقل المهارة إلى الواقع.

معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
بوسطن ديناميكس تضع روبوت Atlas على عجلات: قفزة بزاوية 360° من المحاولة الأولى
المصدر: TG: @ai_machinelearning_big_data (Machinelearning). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @ai_machinelearning_big_data (Machinelearning) ↗
رئيس التحرير
حقيقة رئيسية #1تتيح العجلات تحميل المحركات باستمرار أثناء التسارع والكبح.
حقيقة رئيسية #2تكرّر القفزة تسجيلاً لحركة إنسان، ولم يبتكرها الروبوت من الصفر.
حقيقة رئيسية #3نتيجة حركة واحدة لا تدل على موثوقية الروبوت خلال وردية عمل كاملة.

في المحاكاة ينفّذ الروبوت الحركة بثقة، أما على الأرضية الحقيقية فيفقد توازنه. وهذا يعني لفريق الروبوتات فجوة مزعجة: فقد دُفعت كلفة التدريب بالفعل من وقت الحوسبة والمال، لكن نقل المهارة إلى العتاد يتطلب دورات جديدة. وتجربة بوسطن ديناميكس مع Atlas ذي العجلات مفيدة تحديداً كتحليل لهذه المشكلة. فإذا اعتمد البرنامج على قدرات لا تملكها المحركات، فإن السلوك الافتراضي الجميل لا يفيد الآلة الحقيقية كثيراً.

استبدلت الشركة بقدمي Atlas عجلات من سكوتر. ووفق أحد مهندسي الفريق، استخدم المتحكم المدرَّب التدحرج في الحركات الجانبية، ونجحت القفزة مع الدوران بزاوية 360° من المحاولة الأولى. وتفاصيل ذلك موصوفة في مدونة بوسطن ديناميكس. والأهمية العملية هنا تكمن في طريقة التحقق من اتساق التدريب مع العتاد.

لماذا احتاج المهندسون إلى العجلات

تتيح التهيئة ذات العجلات تحميل المشغّلات لفترة طويلة: التسارع والانعطاف والكبح. وللتركيب استُخدم مهايئ خاص موصول بمشغّل الكاحل الحالي. وفي النموذج الافتراضي مُثّلت العجلة كمفصل قادر على الدوران المستمر.

لنتخيل مهمة مشابهة لدى فريق صغير يطوّر روبوتاً متنقلاً للمستودعات. المحرك الافتراضي يعطي القوة المطلوبة فوراً، فتختار الخوارزمية كبحاً حاداً قبل الانعطاف. أما المحرك الحقيقي فينفّذ الأمر بشكل مختلف، ولا يعود هامش الاستقرار كافياً. وقد يقضي المطوّر أسبوعاً في ضبط دالة المكافأة، بينما كان الأجدر أن يتحقق أولاً من الافتراضات الأساسية حول المحرك.

هذا مثال افتراضي، لكنه يوضح المعنى الهندسي للتجربة. فكلما كانت الحركة أشد تطلباً، ارتفعت كلفة الخطأ في وصف العتاد. ويساعد منصة اختبار مستقلة ذات حمل مستمر على طرح سؤال محدد: هل يتطابق سلوك الآلة مع ما تدرّب عليه برنامج التحكم؟

ماذا تعني عبارة «نجحت من المحاولة الأولى»

قبل التشغيل على Atlas الفعلي، جرى التدريب في المحاكاة. وقد طابق الفريق بين معاملات التحكم وحسّن نموذج المحركات استناداً إلى القياسات. واستُخدمت في بعض الحركات تسجيلات لمسارات بشرية؛ وقفزة الـ360° اتبعت تسجيلاً كهذا أيضاً.

لذلك ينبغي قراءة المحاولة الأولى الناجحة بحذر: فقد سبقها إعداد. ولا يمكن أن نستنتج منها احتمال النجاح في المئة تشغيل التالية. كما أنها لا تقول شيئاً عن السلوك على سطح آخر، أو بحمولة إضافية، أو بعد عمل طويل.

وبالنسبة لمدير المنتج، فهذا فارق مهم بين عرض الإمكانية وتأكيد الخصائص التشغيلية. فإذا عرض الفريق حلقة ناجحة واحدة، فالسؤال المفيد التالي: ما الظروف التي غيّرها، وإلى أي مدى يمكن تكرار النتيجة؟ خصوصاً حين يتوقف على الجواب قرار تجربة تجريبية، أو ميزانية معدات، أو وعد للعميل.

وفي مثل هذا الاختبار من الأفضل تحديد سيناريوهات الفشل مسبقاً بدلاً من جمع الحركات المبهرة فقط. مثلاً، تقييم التوقف واستعادة التوازن وإعادة التشغيل بعد الإخفاق كلٌّ على حدة. وهذا استنتاج تحريري لتخطيط الاختبارات؛ أما المادة المنشورة فلا تقدم نتائج اختبار مقارن كهذا.

ما الذي يمكن أخذه إلى تطويرك

تصف بوسطن ديناميكس Atlas ذي العجلات بأنه منصة بحثية. وتنقل الشركة الاستنتاجات المستخلصة إلى التهيئة المعتادة للروبوت. كما حُدّد العمل على الاستجابة لأعطال المشغّلات اتجاهاً مستقبلياً.

والخلاصة العملية للمطوّر هي التحقق من الصلة بين قياسات العتاد ووصفه الافتراضي وسلوك النظام المدرَّب. فإذا انهارت المهارة عند النقل، فمن المفيد أن يحدَّد أولاً موضع التباين: أي أمر اختاره المتحكم، وماذا توقّع من المشغّل، وما الذي حدث فعلاً.

وبالنسبة لمؤسس شركة ناشئة في الروبوتات، تساعد هذه الحالة على تقييم تقدم الفريق بدقة أكبر. فالحركة المبهرة تؤكد تحقيق نتيجة محددة في ظروف محددة، أما الجاهزية للعمل فتتطلب مجموعة أدلة منفصلة. والخطوة التالية المعقولة هي إدراج قابلية التكرار ومدة الحمل والتعافي من الأخطاء في خطة الاختبار، ثم ربط معايير القبول بمهمة العميل.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا احتاج المهندسون إلى العجلات؟

تتيح التهيئة ذات العجلات تحميل المشغّلات لفترة طويلة: التسارع والانعطاف والكبح. وللتركيب استُخدم مهايئ خاص موصول بمشغّل الكاحل الحالي. وفي النموذج الافتراضي مُثّلت العجلة كمفصل قادر على الدوران المستمر. لنتخيل مهمة مشابهة لدى فريق صغير يطوّر روبوتاً متنقلاً للمستودعات. المحرك الافتراضي يعطي القوة المطلوبة فوراً، فتختار الخوارزمية كبحاً حاداً قبل الانعطاف. أما المحرك الحقيقي فينفّذ الأمر بشكل مختلف، ولا يعود هامش الاستقرار كافياً.

ما أبرز التفاصيل حول ماذا تعني عبارة «نجحت من المحاولة الأولى»؟

قبل التشغيل على Atlas الفعلي، جرى التدريب في المحاكاة. وقد طابق الفريق بين معاملات التحكم وحسّن نموذج المحركات استناداً إلى القياسات. واستُخدمت في بعض الحركات تسجيلات لمسارات بشرية؛ وقفزة الـ360° اتبعت تسجيلاً كهذا أيضاً. لذلك ينبغي قراءة المحاولة الأولى الناجحة بحذر: فقد سبقها إعداد. ولا يمكن أن نستنتج منها احتمال النجاح في المئة تشغيل التالية. كما أنها لا تقول شيئاً عن السلوك على سطح آخر، أو بحمولة إضافية، أو بعد عمل طويل. وبالنسبة لمدير المنتج، فهذا فارق مهم بين عرض الإمكانية وتأكيد الخصائص التشغيلية.

ما أبرز التفاصيل حول ما الذي يمكن أخذه إلى تطويرك؟

تصف بوسطن ديناميكس Atlas ذي العجلات بأنه منصة بحثية. وتنقل الشركة الاستنتاجات المستخلصة إلى التهيئة المعتادة للروبوت. كما حُدّد العمل على الاستجابة لأعطال المشغّلات اتجاهاً مستقبلياً. والخلاصة العملية للمطوّر هي التحقق من الصلة بين قياسات العتاد ووصفه الافتراضي وسلوك النظام المدرَّب. فإذا انهارت المهارة عند النقل، فمن المفيد أن يحدَّد أولاً موضع التباين: أي أمر اختاره المتحكم، وماذا توقّع من المشغّل، وما الذي حدث فعلاً. وبالنسبة لمؤسس شركة ناشئة في الروبوتات، تساعد هذه الحالة على تقييم تقدم الفريق بدقة أكبر.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…