OpenGrall تعرض وضع «المهندس»: الروبوت يكتب برامج التشغيل ويضبط الوحدات بنفسه
وصف OpenGrall وضع «المهندس»، وفيه يمكن للروبوت بأمر من المستخدم أن يبني بنفسه إضافة برمجية لوحدة جديدة، من محرك مؤازر للكاميرا إلى مستشعر. يقرأ الوكيل المشروع ويبحث عن أمثلة ويكتب الشيفرة ويختبرها في بيئة معزولة، بينما يوافق الإنسان على البنية والمعايرة والدمج النهائي. وتقوم المنظومة على فصل بين «الطيار» المحلي و«المهندس» السحابي، مع نسخ احتياطية قبل كل تعديل.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
وصف OpenGrall وضع «المهندس»، وهو بنية يمكن فيها للروبوت، بأمر نصي، أن ينشئ إضافات برمجية بنفسه ويكتب برامج تشغيل ويكيّف الشيفرة مع العتاد الجديد. الفكرة ليست الاستقلالية الكاملة بأي ثمن، بل إسناد أعمال الدمج الروتينية إلى نموذج لغوي كبير (LLM) مع إبقاء التحكم بيد الإنسان.
كيف تُوزَّع الأدوار
في مشروع OpenGrall يُقسَّم ذكاء الروبوت إلى مسارين. «الطيار» نموذج محلي يعمل على متن الروبوت، ويتخذ القرارات بسرعة ويتحكم بالحركة في الزمن الحقيقي. يرى المستشعرات ويقرأ ملفات المشروع ويستطيع تحديث الذاكرة، لكنه لا يملك صلاحية تغيير شيفرة النظام. والغاية من هذا الوضع ألا يعتمد الروبوت على السحابة في المهام الأساسية، وألا يُفسد منطقه الداخلي أثناء التشغيل العادي.
أما «المهندس» فلا يُفعَّل إلا عند الطلب، أو عندما تتطلب المهمة الوصول إلى أدوات التطوير. وهو نموذج لغوي كبير سحابي تُفتح أمامه شيفرة المشروع وإعداداته ووثائقه. ولا يكتفي بتوليد مقطع برمجي عشوائي، بل يتصرف كوكيل مستقل: يدرس بنية الإضافات ويبحث عن أمثلة ويعدّل الملفات وينفّذ الشيفرة في بيئة معزولة ويطرح أسئلة توضيحية على المالك. فإذا كان الأمر «انعطف يسارًا» يتولاه الطيار، وإذا كان «اضبط الذراع الآلية» انتقلت المهمة إلى المهندس.
كيف يعمل المهندس
الفكرة الأساسية للوضع ألا تُكتب كل وحدة جديدة يدويًا. فإذا وُصل بالروبوت، مثلًا، محرك مؤازر للكاميرا على ESP32 عبر WebSocket، يكفي أن يصف المالك الجهاز والأوامر المتاحة في ملف وصف ذاتي. بعدها يقرأ المهندس المشروع ويقارن الإضافات الموجودة وينشئ وحدة جديدة للعتاد المحدد. وقد أعدّ OpenGrall لذلك مجموعة أدوات خاصة:
- البحث عن الوثائق والأمثلة العملية على الإنترنت
- قراءة المقالات والمواصفات وملفات المشروع
- تحليل بنية المجلدات والإضافات الجاهزة
- تعديل الشيفرة بدقة وإنشاء ملفات جديدة
- تشغيل ما كُتب والتحقق منه في بيئة معزولة
ما يلي ليس «سحر الزر الواحد»، بل دورة تطوير مُدارة. يبني النموذج أولًا هيكل الصنف، ويمكنه عرضه على الإنسان قبل توليد الملف كاملًا. ثم تُملأ الدوال خطوة بخطوة في وضع البث المتدفق، حتى لا يُعاد توليد الوحدة بأكملها ولا يضيع السياق. وفي المعايرة يستطيع المهندس إشراك الإنسان في الحلقة: يطلب منه وضع جسم أمام الكاميرا، أو قياس المسافة إلى الهيكل، أو تأكيد أن المحرك المؤازر بلغ الزاوية المطلوبة. وهذا مهم خاصة حيث لا يكفي الوصف النصي وحده.
ويراهن المؤلف لا على توصيل وحدات جديدة فحسب، بل على إعادة بناء أعمق للنظام. وتورد المقالة مثال الملاح: نسخة يدوية أساسية بنحو 1.5 ألف سطر برمجي يمكن استبدالها بتنفيذ أضخم بكثير، يتضمن مسارات سلسة وإعادة بناء المسار أثناء الحركة وعددًا أقل من الارتجاجات. أي أن الحديث لم يعد عن توليد برنامج تشغيل واحد، بل عن محاولة تزويد الروبوت بأداة لإعادة كتابة منظوماته الفرعية بما يناسب مهمة جديدة.
«القرار النهائي يبقى بيد الإنسان».
يقوم الأمان على ثلاث آليات بسيطة: بيئة معزولة لتنفيذ الشيفرة، ونسخ احتياطية تلقائية قبل كل تغيير، وتوليد على مراحل مع فحص النتيجة. تُنفَّذ الشيفرة بمهلة زمنية ودون استدعاءات نظام، وتُنشأ نسخة من الملف قبل تعديله، ولا يحدث الدمج في الحلقة الرئيسية تلقائيًا. وحتى لو أخطأ النموذج أو سلك بنية خاطئة، يستطيع الإنسان إيقاف العملية والتراجع عن التغييرات واتخاذ القرار النهائي يدويًا.
أين حدود هذا النهج
يقول مطورو OpenGrall صراحة إنه لا ينبغي تمجيد الشيفرة الأولى المولَّدة. فما زالت للنماذج اللغوية الكبيرة مشكلاتها المزمنة: واجهات برمجة قديمة، وتبعيات زائدة، وأغلفة خاطئة، وعدم توافق مع بيئة التشغيل. والفرق الوحيد أن الوكيل يستطيع قراءة السجلات بنفسه وإعادة تشغيل الاختبارات وإجراء التعديلات حتى تعمل الوحدة. لكن هذا التنقيح المستقل قد يستغرق عمليًا ساعات من الوقت الفعلي لا دقائق، خصوصًا إذا كان العتاد غير قياسي أو الوثائق ناقصة.
وهناك قيود معمارية أشد. فهذا الوضع يبدو منطقيًا لضبط الذراع الآلية أو الكاميرا أو الليدار: يرى النموذج الوصف ويفهم هندسة المهمة ويمكنه بناء واجهة عاملة فوق الأوامر الجاهزة. أما التحكم بمشية الروبوت السداسي الأرجل (هيكساپود) أو غيره من المهام ذات المتطلبات الصارمة للسرعة والتكيّف، فلا تكفيها شيفرة Python مولَّدة ذاتيًا. وهناك، برأي المؤلف، تلزم مقاربات أخرى، مثل TinyML والتدريب في المحاكاة، حيث يتشكل السلوك عبر ملايين التكرارات، لا بكتابة سطحية انطلاقًا من طلب نصي.
ماذا يعني ذلك
يُظهر OpenGrall تحولًا لافتًا: لم يعد الروبوت يُنظر إليه كجهاز مبرمج بشكل جامد، بل كمنصة يمكن تدريبها وتوسيعها بأوامر نصية. والطريق إلى روبوتات مستقلة تمامًا ما زال بعيدًا، لكن في دمج المستشعرات والإضافات والمنظومات الفرعية المنفردة يمكن لـ«المهندس» أن يقلّص حجم العمل اليدوي بشكل ملحوظ منذ الآن، بشرط أن يبقى مفتاح القطع الأخير بيد الإنسان.
- 28 أبريل 2026OpenGrall تقدّم بنية للروبوتات المدعومة بالذكاء الاصطناعي يتولى فيها النموذج اللغوي الاستراتيجية
- 2 مايو 2026إدخال الذكاء الاصطناعي في التطوير: كيف تغيّر الشبكات العصبية دور المهندس
- 17 مايو 2026قوانين أسيموف الثلاثة تنتقل من الخيال العلمي إلى واقع الروبوتات البشرية
- 2 فبراير 2026مؤشر الصين 2025: الذكاء الاصطناعي في كل جيب وروبوت في كل وعاء طعام
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تُوزَّع الأدوار؟
في مشروع OpenGrall يُقسَّم ذكاء الروبوت إلى مسارين. «الطيار» نموذج محلي يعمل على متن الروبوت، ويتخذ القرارات بسرعة ويتحكم بالحركة في الزمن الحقيقي. يرى المستشعرات ويقرأ ملفات المشروع ويستطيع تحديث الذاكرة، لكنه لا يملك صلاحية تغيير شيفرة النظام. والغاية من هذا الوضع ألا يعتمد الروبوت على السحابة في المهام الأساسية، وألا يُفسد منطقه الداخلي أثناء التشغيل العادي. أما «المهندس» فلا يُفعَّل إلا عند الطلب، أو عندما تتطلب المهمة الوصول إلى أدوات التطوير.
ما أبرز التفاصيل حول كيف يعمل المهندس؟
الفكرة الأساسية للوضع ألا تُكتب كل وحدة جديدة يدويًا. فإذا وُصل بالروبوت، مثلًا، محرك مؤازر للكاميرا على ESP32 عبر WebSocket، يكفي أن يصف المالك الجهاز والأوامر المتاحة في ملف وصف ذاتي. بعدها يقرأ المهندس المشروع ويقارن الإضافات الموجودة وينشئ وحدة جديدة للعتاد المحدد.
ما أبرز التفاصيل حول أين حدود هذا النهج؟
يقول مطورو OpenGrall صراحة إنه لا ينبغي تمجيد الشيفرة الأولى المولَّدة. فما زالت للنماذج اللغوية الكبيرة مشكلاتها المزمنة: واجهات برمجة قديمة، وتبعيات زائدة، وأغلفة خاطئة، وعدم توافق مع بيئة التشغيل. والفرق الوحيد أن الوكيل يستطيع قراءة السجلات بنفسه وإعادة تشغيل الاختبارات وإجراء التعديلات حتى تعمل الوحدة. لكن هذا التنقيح المستقل قد يستغرق عمليًا ساعات من الوقت الفعلي لا دقائق، خصوصًا إذا كان العتاد غير قياسي أو الوثائق ناقصة. وهناك قيود معمارية أشد.
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.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.