شاومي تفتح مصدر أول نموذج VLA لها للروبوتات

شاومي تفتح مصدر أول نموذج VLA لها وتغيّر قواعد اللعبة في الروبوتات

خطت شاومي خطوة حاسمة في تطوير الأنظمة المستقلة بفتح مصدر Xiaomi-Robotics-0، وهو أول نموذج رؤية ولغة وفعل (Vision-Language-Action) تطرحه الشركة للروبوتات. ويعني الإعلان، الذي صدر في 12 فبراير، أن المطورين حول العالم سيحصلون على نماذج بـ4,7 مليار معلمة تجمع بين الإدراك البصري وفهم اللغة الطبيعية والتحكم في الروبوت في الزمن الفعلي. وليس هذا مجرد مشروع مفتوح آخر، بل إشارة إلى أن عملاق التقنية الصيني يراهن بجدية على تطوير الذكاء الاصطناعي متعدد الوسائط للأتمتة المادية، وأنه مستعد لمشاركة ما توصل إليه مع مجتمع المطورين العالمي.

ظل مجال نماذج VLA حتى الآن حكرًا على قلة من اللاعبين. فأقوى الحلول في هذا المجال طورتها شركات مثل Tesla بذراعها الآلية لمعالجة الأجسام، وGoogle DeepMind بتجاربها في الروبوتات. وتتعلم هذه النماذج ربط ما تراه الروبوتات بالأوامر المكتوبة بلغة طبيعية وبالأفعال المحددة في الزمن الفعلي. غير أن تدريب هذه الأنظمة يتطلب كميات هائلة من بيانات الفيديو وموارد حوسبة ضخمة وفهمًا عميقًا لميكانيكا الروبوت. ويغيّر انفتاح شاومي هذه المعادلة. فبنشر الشيفرة المصدرية وأوزان نموذجها، تجعل الشركة هذه التقنية في متناول الجميع، بعدما كانت امتيازًا للشركات الكبرى ذات الميزانيات الضخمة.

صُمم Xiaomi-Robotics-0 ليعمل بكفاءة وعملية. فالنموذج ذو 4,7 مليار معلمة يمثل نقطة توازن بين السرعة والأداء. فهو مدمج بما يكفي ليعمل على منصات روبوتية محدودة القدرات الحوسبية، ويمتلك في الوقت نفسه قدرة كافية لحل مهام المعالجة المعقدة. وتجمع بنيته المعمارية ثلاثة مكونات رئيسية: مشفّر بصري يحلل الصور القادمة من كاميرات الروبوت، وجزء لغوي يعالج تعليمات المستخدم بلغة طبيعية، ووحدة أفعال تولّد أوامر التحكم في الزمن الفعلي. وهذا التكامل حاسم، لأن الروبوت لا يكفيه أن يفهم المهمة (مثل "التقط المكعب الأحمر")، بل عليه أن يحوّلها فورًا إلى إحداثيات حركة وقوة قبضة.

وللاستراتيجية التي تتبعها شاومي في فتح الشيفرة منطق واضح. ففي منظومة الروبوتات، لا تدور المنافسة على مستوى النماذج بقدر ما تدور على مستوى العتاد والبرمجيات ومنظومة التطبيقات. وبفتح نموذج VLA، تتيح الشركة لآلاف المطورين تجربة حالات استخدام جديدة وتكييف التقنية مع روبوتاتهم. وهذا يولّد أثر القيمة الشبكية: فكلما زاد عدد من يحسّنون النموذج ويجدون له تطبيقات جديدة، ارتفع احتمال أن تعمل الحلول الناشئة من هذا المجتمع بتوافق مع تطويرات شاومي المدمجة.

وبالنسبة إلى القطاع، يعني ذلك تسريع التطوير. فبوسع الشركات الناشئة والجامعات والمؤسسات الكبرى تجربة التحكم متعدد الوسائط بالروبوتات دون البدء من الصفر. فالنموذج مدرَّب أصلًا على بيانات حقيقية، وله بنية معمارية معقولة يمكن تكييفها مع منصات مختلفة. وتزداد أهمية ذلك في لحظة تقف فيها الروبوتات على أعتاب الانتقال من المختبرات إلى الإنتاج والحياة اليومية.

وتعكس خطوة شاومي اتجاهًا أوسع: فقادة الذكاء الاصطناعي يدركون على نحو متزايد أن فتح جزء من تطويراتهم يبني منظومة أقوى من الإحكام الصارم للسيطرة. ولا يعني ذلك أن الشركة تتخلى عن روبوتاتها، بل على العكس، ستبقى مغلقة وملكية. لكن نموذج VLA يصبح الأساس الذي ستنمو عليه صناعة متكاملة، وشاومي تضع منذ الآن لبنات في هذا الأساس.