Ctrl-World: مشروع مشترك بين جامعتي تسينغهوا وستانفورد يتفوق على Google في الروبوتات

قدّم فريق مشترك من جامعة تسينغهوا وجامعة ستانفورد نموذج Ctrl-World، وهو نموذج عالم من الجيل الجديد للأنظمة الروبوتية، تفوّق في اختبارات مقارنة مستقلة على نماذج Google وNvidia. ولا يقف خلف هذه النتيجة إنجاز أكاديمي فحسب، بل تحوّل جوهري في طريقة فهم الروبوتات للواقع الفيزيائي واتخاذها القرارات داخله.

يتواصل السباق نحو بناء روبوتات مستقلة حقًا منذ أكثر من عقد، لكن السنتين الأخيرتين شهدتا تسارعًا حادًا. فقد ضخّت كبرى شركات التقنية، ومنها Google DeepMind وNvidia وBoston Dynamics، مليارات الدولارات في ما يُعرف بالوكلاء المتجسّدين، أي الأنظمة القادرة على التفاعل جسديًا مع البيئة المحيطة. غير أن عنق الزجاجة الرئيسي بقي على حاله: الروبوتات تتعامل بصورة ضعيفة مع المواقف غير المتوقعة. فالعالم الحقيقي لا يمكن التنبؤ به، بينما دُرّبت معظم الأنظمة الحالية على العمل وفق سيناريوهات محددة مسبقًا. وهنا تحديدًا يقدّم Ctrl-World حلّه.

يقوم المشروع على مفهوم نموذج العالم، وهو محاكٍ داخلي يتيح للوكيل "تجريب" الأفعال الممكنة ذهنيًا قبل تنفيذها فعليًا. وببساطة، بدلًا من الاكتفاء بالاستجابة للمحفّزات، يستطيع الروبوت المزوّد بنموذج كهذا أن يسأل نفسه: "ماذا سيحدث إذا أمسكتُ هذا الجسم بهذه الطريقة لا بتلك؟" ويجعل Ctrl-World هذا المحاكي الداخلي أدق بكثير، إذ يتنبأ النظام بصورة أفضل بالتفاعلات الفيزيائية، بما فيها ميكانيكا التلامس وتشوّه الأجسام وسلاسل الأحداث السببية. وقاد التطوير تشن جيانيو من جامعة تسينغهوا وتشيلسي فين من جامعة ستانفورد، وهما باحثان ارتبط اسماهما منذ زمن بأحدث الأعمال في مجال تعليم الروبوتات.

جاءت نتائج الاختبار المقارن لافتة. فقد تفوّق Ctrl-World على الأنظمة المنافسة من Google وNvidia في عدة مقاييس رئيسية في آن واحد: دقة تخطيط المهام متعددة الخطوات، وجودة التنبؤ بالتفاعلات الفيزيائية، والقدرة على التكيّف مع تشكيلات الأجسام غير المألوفة. ولفهم السياق، من المهم معرفة أن Google DeepMind وNvidia ليستا مجرد مشاركتين في مسابقات أكاديمية. فكلتا الشركتين تمتلك موارد حوسبة ضخمة وفرقًا تضم مئات المتخصصين. وأن يتمكن تحالف جامعي من التفوق عليهما في معايير الأداء الرسمية، فهذا يدل على عمق الحلول المنهجية التي بُني عليها Ctrl-World، لا على قوة الحوسبة وحدها.

وهذا يعني للصناعة عدة أمور. أولًا، يواصل مركز ثقل أبحاث الروبوتات التحوّل نحو منطقة آسيا والمحيط الهادئ: فالصين تعزّز باستمرار قدراتها الأكاديمية في مجالات هيمنت عليها سابقًا المختبرات الأمريكية. ويحمل التعاون بين تسينغهوا وستانفورد دلالة رمزية، فهو يُظهر أن التبادل العلمي ما زال يؤتي ثماره رغم التوتر الجيوسياسي. ثانيًا، يرسم التركيز على نموذج العالم، بدلًا من التعلّم بالمحاكاة وحده، اتجاهًا جديدًا للقطاع بأكمله. فإذا ثبت أن نهج Ctrl-World قابل للتوسّع، فسيصبح بإمكان الجيل القادم من الروبوتات الصناعية والمنزلية أن يتعلّم أسرع بكثير، بفضل تحسّن النمذجة الداخلية للفيزياء فحسب، ودون الحاجة إلى آلاف الساعات من التجارب الفعلية.

أما بالنسبة إلى المستخدمين النهائيين، فالانعكاسات ليست واضحة بعد، إذ يفصل بين نشر البحث والمنتجات التجارية طريق طويل دائمًا. لكن أعمالًا كهذه هي ما يحدد شكل الروبوتات بعد خمس إلى سبع سنوات: هل ستقتصر على المهام شديدة التنظيم في المستودعات، أم ستتمكن من العمل في بيئة منزلية فوضوية يتغيّر فيها شيء ما كل يوم؟ ويقرّب Ctrl-World السيناريو الثاني بشكل ملحوظ.

وتكمن القيمة الحقيقية لـ Ctrl-World في أنه يعالج المشكلة من الجهة الصحيحة: فهو لا يحاول تعليم الروبوت عددًا أكبر من المهارات المحددة، بل يحسّن فهمه الأساسي لكيفية عمل العالم الفيزيائي. وهذا مسار مختلف جذريًا، وهو، بحسب النتائج، أكثر وعدًا. وقد تلقّت Google وNvidia إشارة لا لبس فيها: العلم الأكاديمي ما زال قادرًا على التفوق على مختبرات الشركات حيث يكون عمق الفكرة هو الحاسم، لا حجم الميزانية.