ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصداركود / SDK · جاهز للعملThe Decoder→ المصدر

Runway تفتح مصدر Praxis-1: نموذج فيديو يتحكم في الروبوتات ويحل 46.2% من المهام في اختبار Nvidia

فتحت Runway شيفرة Praxis-1 وأوزانه، وهو نموذج يحسب حركات الروبوت اعتمادًا على لقطات الكاميرا وأمر نصي مثل «ضع الموزة على الطبق». وفي محاكي Nvidia RoboLab-120 (120 مهمة: الفرز والإمساك والتكديس) حلّ النموذج 46.2% من المهام مقابل 42.9% لـ FLUX 3 Action، أما على ذراع Franka الحقيقية فنجح في 88 محاولة من أصل 100 مقابل 80. وأجرت Runway هذه القياسات بنفسها، لذا ينبغي تشغيل النموذج على مهامكم الخاصة قبل اعتماده.

معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
Runway تفتح مصدر Praxis-1: نموذج فيديو يتحكم في الروبوتات ويحل 46.2% من المهام في اختبار Nvidia
المصدر: The Decoder. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليThe Decoder ↗
رئيس التحرير
حقيقة رئيسية #1يتيح ترخيص Apache 2.0 الاستخدام التجاري
حقيقة رئيسية #2تحتاج النسخة الأساسية إلى وحدة GPU بذاكرة 80 غيغابايت، أما النسخة المضغوطة فتعمل على RTX 5090 بذاكرة 32 غيغابايت
حقيقة رئيسية #3يخلط بين الأشياء المتشابهة ولا يخطط لسلاسل طويلة من الخطوات

يصعب تدريب الروبوتات لسبب بسيط: كي تلتقط الذراع موزة بدقة أو تغلق درجًا، تلزم مئات الساعات من التسجيلات المكلفة التي يتحكم فيها إنسان بالآلة يدويًا. وقد اتجهت Runway، المعروفة بمولّدات الفيديو مثل Gen-4.5، إلى مقاربة مختلفة، فأتاحت Praxis-1 للعموم. هذا النموذج يحسب حركات الروبوت اعتمادًا على لقطات الكاميرا وأمر نصي، ويستمد معرفته بالعالم المادي من التدريب على الفيديو. وفي اختبار Nvidia RoboLab-120 (120 مهمة محاكاة تشمل فرز الأشياء والإمساك بها وتكديسها) أنجز النموذج 46.2% من المهام، بينما أنجز أقرب نظير له، FLUX 3 Action، 42.9%. والأوزان والشيفرة متاحة بترخيص Apache 2.0 الذي يسمح بالاستخدام التجاري.

كيف أصبح نموذج الفيديو وحدة تحكم

يتلقى Praxis-1 لقطات الكاميرا وتعليمة نصية («ضع الموزة على الطبق») وبيانات عن وضع الروبوت نفسه. وانطلاقًا منها يتنبأ النموذج بكيفية تغيّر المشهد، ثم يحسب الحركات اللازمة بناءً على هذا التنبؤ. وعند وصول لقطات جديدة يُعدَّل التحكم في اللحظة نفسها.

يسهل فهم المنطق بمثال بشري. شاهدتم آلاف المقاطع التي تسقط فيها الأشياء وتتدحرج وتصطدم، لذا تتصورون تقريبًا ما سيحدث إذا دفعتم فنجانًا. دُرّب Praxis-1 أولًا على فيديوهات عادية ليتعلم كيف تتحرك الأجسام وتتفاعل. ثم أجرت Runway تدريبًا إضافيًا عليه باستخدام فيديوهات لأفعال بشرية وبيانات روبوتات. وتسمي الشركة هذا الصنف من الأنظمة World Action Model: تنبؤ بالمشهد أولًا، ثم الفعل.

وتأمل Runway أن تقلل هذه المقاربة الاعتماد على مجموعات بيانات الروبوتات المُعدّة خصيصًا. لكن البيانات المتخصصة تظل لازمة: فقد استُخدم لذراع Franka نحو 277 ساعة من التسجيلات من مجموعة DROID العامة، ولروبوت ذي ذراعين ما بين 1400 و2600 ساعة. أما هل تفوّق النموذج في حجم بيانات الروبوتات على نظائر بلا تدريب مسبق على الفيديو، فغير معروف حتى الآن، إذ لا توجد مقارنة مباشرة.

ماذا أظهرت الاختبارات

في تصنيف Nvidia RoboLab-120 حقق Praxis-1 نسبة نجاح 46.2%، أي أنه أتم أقل بقليل من نصف المهام حتى النهاية. أما FLUX 3 Action، المبني أيضًا على صيغة World Action Model، فنتيجته 42.9%. وهذا أفضل مؤشر في فئته، لكن النموذج جاء خامسًا فقط في الترتيب العام: يتقدم عليه وكيلا ذكاء اصطناعي ونموذجا روبوتات ببنية مختلفة.

وعلى ذراع Franka الحقيقية، وبعد التدريب الإضافي على DROID، قورن النموذجان نفسهما في عشر مهام، منها «ضع الموزة على الطبق» و«أغلق الدرج». وبواقع عشر محاولات لكل مهمة، نجح Praxis-1 في 88 محاولة من أصل 100، مقابل 80 لـ FLUX 3 Action.

واختُبر كذلك انتقال النموذج إلى روبوت غير مألوف: منصة متنقلة بذراع، طورت Google عليها RT-1 سابقًا. ولم تكن تسجيلاتها ضمن التدريب السابق لـ Praxis-1. وبعد تدريب إضافي على نحو 95 ساعة من البيانات، أظهر النموذج في المحاكاة متوسط نجاح 80% في أربعة أنواع من المهام، من الإمساك بعلب المشروبات الغازية إلى وضع تفاحة في صندوق. أما RT-1 الأصلي فسجّل 52.4% في الاختبار نفسه. وثمة تحفظ مهم: أجرت Runway جميع الاختبارات بنفسها، ولا يوجد تحقق مستقل.

ومنذ نهاية سبتمبر اختبرت النموذج شركات Standard Bots وNoble Machines وUltra، على روبوت بشري الشكل وذراع صناعية وآلة مستودعات بذراعين.

القيود وما ينبغي للمطورين فعله

النموذج الأساسي وحده لا يناسب الروبوتات الجديدة: إذ يجب تدريبه تدريبًا إضافيًا. وتتوافر نسخ مكيّفة جاهزة للمنصات الشائعة. ويمكن تنزيله من Hugging Face بعد التسجيل والموافقة على شروط الوصول، أما الشيفرة فمتاحة على GitHub.

المتطلبات جدية: تحتاج النسخة القياسية إلى بطاقة رسومات بذاكرة 80 غيغابايت. وبحسب تقديرات Runway، ستتسع النسخة المضغوطة في RTX 5090 بذاكرة 32 غيغابايت، لكن الذروة الفعلية لاستهلاك الذاكرة لم تُقَس بعد في وثائق GitHub.

ولا تخفي الشركة نقاط الضعف. فالنموذج يخلط أحيانًا بين الأشياء المتشابهة، ويتعامل بصعوبة مع الأوامر الغامضة. وستُقسَّم المهام الطويلة إلى خطوات يدويًا، لأن النموذج نفسه لا يستطيع التخطيط الموثوق لتسلسلات الأفعال المعقدة. وترى Runway في Praxis-1 قبل كل شيء منفّذًا سريعًا للحركات، يمكن مستقبلًا ربطه بنموذج لغوي عام: يقسّم الأخير المهمة إلى خطوات، وينفذها Praxis-1.

والخلاصة العملية: إذا كنتم تبنون منظومة روبوتية أو تبحثون في الأذرع الآلية، فقد توافرت لكم قاعدة مفتوحة صالحة للاستخدام التجاري، يمكن مقارنتها بنماذج أخرى للتحكم في الروبوتات. لكن جميع الأرقام حتى الآن هي ادعاءات Runway نفسها، لذا شغّلوا النموذج على مهامكم الخاصة وعلى عتادكم قبل الاعتماد على النسب المعلنة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف أصبح نموذج الفيديو وحدة تحكم؟

يتلقى Praxis-1 لقطات الكاميرا وتعليمة نصية («ضع الموزة على الطبق») وبيانات عن وضع الروبوت نفسه. وانطلاقًا منها يتنبأ النموذج بكيفية تغيّر المشهد، ثم يحسب الحركات اللازمة بناءً على هذا التنبؤ. وعند وصول لقطات جديدة يُعدَّل التحكم في اللحظة نفسها. يسهل فهم المنطق بمثال بشري. شاهدتم آلاف المقاطع التي تسقط فيها الأشياء وتتدحرج وتصطدم، لذا تتصورون تقريبًا ما سيحدث إذا دفعتم فنجانًا. دُرّب Praxis-1 أولًا على فيديوهات عادية ليتعلم كيف تتحرك الأجسام وتتفاعل.

ما أبرز التفاصيل حول ماذا أظهرت الاختبارات؟

في تصنيف Nvidia RoboLab-120 حقق Praxis-1 نسبة نجاح 46.2%، أي أنه أتم أقل بقليل من نصف المهام حتى النهاية. أما FLUX 3 Action، المبني أيضًا على صيغة World Action Model، فنتيجته 42.9%. وهذا أفضل مؤشر في فئته، لكن النموذج جاء خامسًا فقط في الترتيب العام: يتقدم عليه وكيلا ذكاء اصطناعي ونموذجا روبوتات ببنية مختلفة. وعلى ذراع Franka الحقيقية، وبعد التدريب الإضافي على DROID، قورن النموذجان نفسهما في عشر مهام، منها «ضع الموزة على الطبق» و«أغلق الدرج».

ما أبرز التفاصيل حول القيود وما ينبغي للمطورين فعله؟

النموذج الأساسي وحده لا يناسب الروبوتات الجديدة: إذ يجب تدريبه تدريبًا إضافيًا. وتتوافر نسخ مكيّفة جاهزة للمنصات الشائعة. ويمكن تنزيله من Hugging Face بعد التسجيل والموافقة على شروط الوصول، أما الشيفرة فمتاحة على GitHub. المتطلبات جدية: تحتاج النسخة القياسية إلى بطاقة رسومات بذاكرة 80 غيغابايت. وبحسب تقديرات Runway، ستتسع النسخة المضغوطة في RTX 5090 بذاكرة 32 غيغابايت، لكن الذروة الفعلية لاستهلاك الذاكرة لم تُقَس بعد في وثائق GitHub. ولا تخفي الشركة نقاط الضعف.

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…