ذكرت في-في لي ويونزو لي في بودكاست a16z مؤخراً أن شركة World Labs تعمل على إطلاق مسار "من الواقع إلى المحاكاة ثم إلى الواقع" (real-to-sim-to-real) يتيح للروبوتات تعلم المهام المكانية في توائم رقمية عالية الدقة قبل أن تلمس أرضية حقيقية. يقلل هذا النهج من تكلفة ومخاطر جمع بيانات تدريب الروبوتات، وهي عقبة أبقت العديد من مشاريع الأتمتة عالقة في المختبرات.

لماذا تحتاج الروبوتات إلى ما هو أكثر من اللغة

يمكن لنماذج اللغة الكبيرة كشط الإنترنت بالكامل للحصول على النصوص، لكن الروبوت لا يمكنه ببساطة مشاهدة مقاطع الفيديو وتقليد ما يراه. للتحرك عبر مستودع أو تنظيف غرفة فندق، يجب على الروبوت فهم الهندسة ثلاثية الأبعاد، وخصائص الأسطح، وفيزياء الدفع والرفع والتكديس. هذه هي مكونات "الذكاء المكاني"، ومن الصعب التقاطها على نطاق واسع في العالم الحقيقي.

عنق زجاجة البيانات

إن جمع بيانات الروبوتات من العالم الحقيقي عملية بطيئة ومكلفة وخطيرة أحياناً. يمكن لحادث واحد أن يتلف الأجهزة، أو يوقف خط إنتاج، أو حتى يصيب عاملاً بشرياً. وبسبب ذلك، تعتمد معظم فرق الروبوتات على مجموعات بيانات صغيرة ومصنوعة يدوياً لا تغطي تنوع البيئات اليومية.

تتجاوز World Labs عنق الزجاجة هذا من خلال بناء عوالم رقمية متوافقة. يقوم نظام SceniX الخاص بهم برسم خريطة للمساحة المادية وتحويلها إلى محاكاة تحافظ على الهندسة (شكل الجدران والأجسام)، والمظهر (الأنسجة والألوان والإضاءة)، والفيزياء (كيفية تحرك الأجسام عند دفعها). يتدرب الروبوت في تلك النسخة الافتراضية، ثم تنتقل نفس السياسات إلى الإعداد الحقيقي.

نماذج الفيديو ليست كافية

يجادل بعض الباحثين بأن مولدات الفيديو عالية الدقة يمكن أن تحل محل المحاكاة الفيزيائية. يمكن لهذه النماذج إنتاج إطارات معقولة لوجهة نظر الروبوت، لكنها تفتقر إلى الفيزياء المتسقة. إذا أظهر فيديو محاكى اختفاء كوب بعد دفعه، فإن الروبوت المدرب على ذلك المقطع سيتعلم علاقة سببية خاطئة. يصر مسار World Labs على عوالم تظل متماسكة عبر الزمان والمكان والتفاعل، مما يضمن مطابقة "الذاكرة العضلية" للروبوت لفيزياء العالم الحقيقي.

استهداف المساحات شبه المنظمة

لا يهدف الفريق إلى صنع مساعدين بشريين يتجولون في غرفة المعيشة غداً. بدلاً من ذلك، يركزون على البيئات شبه المنظمة حيث يكون التخطيط قابلاً للتنبؤ بما يكفي ليكون التوأم الرقمي دقيقاً، ومع ذلك متنوعاً بما يكفي ليتطلب تفكيراً مكانياً حقيقياً. تشمل الأمثلة:

  • المستودعات حيث تُخزن العناصر على الرفوف والمنصات
  • المطاعم التي تحتوي على طاولات وكراسي وموظفين يتحركون
  • الفنادق التي تضم ممرات وغرف وعربات خدمة
  • المواقع الصناعية التي تحتوي على آلات وسيور ناقلة وحواجز سلامة

هذه هي الأماكن التي تطلب فيها الشركات الأتمتة بالفعل. وجد استطلاع حديث استُشهد به في البودكاست أن ثلث مهام الروبوتات المطلوبة تتضمن التنظيف — وهو عمل متكرر وغير ممتع يسعى البشر جاهدين لتسليمه للآلات.

كيف يبدو النجاح

تعتمد خارطة طريق World Labs على إثبات فعالية المسار في صناعات محددة خلال العامين المقبلين. إذا تمكن الروبوت من تحريك منصة بشكل متكرر في مستودع محاكى ثم فعل الشيء نفسه في منشأة حقيقية دون إعادة تدريب، فسيكون النموذج قد أثبت أن "المحاكاة الموثوقة تؤدي إلى روبوتات موثوقة". هذا الاعتماد يمكن أن يفتح الباب لعقود أكبر ويبرر الاستثمار المسبق في إنشاء التوائم الرقمية.

ما يجب مراقبته لاحقاً

  • المشاريع التجريبية الصناعية – ستكشف الدفعة الأولى من عمليات النشر في المستودعات أو الفنادق عما إذا كان المسار يمكنه التعامل مع الحالات الاستثنائية الفوضوية التي لا تظهر إلا في مواقع العمل الفعلية.

الفكرة الأساسية بسيطة: امنح الروبوتات مساحة تدريب مثالية قبل أن تصعد إلى المسرح. إذا تمكنت World Labs من تحويل هذا التدريب إلى أداء ثابت، فقد يجد أصعب مشكلة في الروبوتات — تعليم الآلات فهم العالم المادي والعمل فيه — حلاً عملياً أخيراً.