ماذا حدث
أطلقت شركة Skild AI نموذجها الأساسي للروبوت S1، والذي يستخدم التعلم في السياق لتنفيذ مهام لم يسبق لها مثيل من خلال مطالبة فيديو واحدة. أعلنت الشركة عن وصولها إلى معدل تشغيل إيرادات سنوي قدره 100 مليون دولار وتقوم بنشر التكنولوجيا مع Foxconn للتجميع عالي الدقة.
أطلقت Skild AI نموذج الأساس للروبوت S1، المصمم لتعلم المهام طويلة المدى التي لم يسبق لها مثيل من خلال عرض فيديو واحد. يستخدم النموذج التعلم في السياق، مما يعني أنه يفسر النية والأشياء والتسلسل الموضح من مطالبة الفيديو ويحولها إلى إجراءات دون تحديث أوزانها أو الخضوع لتدريب ما بعد المهمة.
وذكرت الشركة أن S1 يمكنه أداء مهام غير مألوفة تدوم لمدة تصل إلى 10 دقائق، مثل زراعة النباتات في أصص، وصنع الفطائر، وتجميع الأدوات. وفي أحد الاختبارات الداخلية، انتقل الفريق من تسجيل العرض التوضيحي إلى التنفيذ المستقل على الأجهزة في 11 دقيقة. أفاد Skild أن S1 حقق معدل نجاح بنسبة 66% لكل خطوة في مهام جديدة متعددة الخطوات، مقارنة بـ 9% لنظام ذكاء اصطناعي مماثل، ويقدر أن مثال فيديو واحد مفيد مثل ما يقرب من 380 مثالًا للتدريب العملي.
قامت شركة Skild AI ببناء S1 وإجراء أبحاث بشأنها على البنية التحتية NVIDIA للذكاء الاصطناعي، بما في ذلك NVIDIA Isaac Lab وCosmos وOmniverse. يمتد التعاون إلى توليد البيانات الاصطناعية والتدريب النموذجي والمحاكاة والنشر في العالم الحقيقي. وصلت الشركة إلى معدل تشغيل إيرادات سنوي قدره 100 مليون دولار بعد 10 أشهر من أول نشر تجاري لها وأنشأت أكثر من 60 شراكة نشر عبر التصنيع والخدمات اللوجستية وقطاعات أخرى.
تجري حاليًا عملية نشر محددة مع Foxconn، حيث يتم استخدام Skild Brain في المناورات ثنائية الذراع للتجميع عالي الدقة لأنظمة NVIDIA Blackwell. يتضمن سير العمل هذا تثبيت المكونات، ومسامير التثبيت، والتكيف مع الاضطرابات، مما يتطلب حركة دقيقة وتحكمًا مدركًا للاتصال.
تفاصيل المصدر: blogs.nvidia.com ↗
لماذا يهم
يعالج هذا التطوير أحد القيود الأساسية في الروبوتات الصناعية: التكلفة العالية والوقت اللازم لإعادة برمجة الروبوتات أو إعادة تدريبها للقيام بمهام أو تخطيطات جديدة. من خلال تمكين الروبوتات من التعلم من عرض فيديو واحد، يقلل S1 بشكل كبير من العوائق التي تحول دون تكييف الأتمتة في البيئات الديناميكية مثل التصنيع والخدمات اللوجستية. وهذا التحول من سير العمل الثابت والمبرمج مسبقًا إلى التعلم القابل للتكيف والقائم على الخبرة يمكن أن يؤدي إلى تسريع اعتماد الروبوتات ذات الأغراض العامة في الصناعات التي تتغير فيها خطوط الإنتاج والعمليات بشكل متكرر.
يتم تصميم الروبوتات الصناعية تقليديًا للوظائف الثابتة، والتي تتطلب بيانات مهمة وإعادة التدريب والتحقق من صحة كل منتج جديد أو تغيير في العملية. إن قدرة S1 على التعلم من عرض فيديو واحد يكسر هذه الدورة، مما يسمح للمشغلين بإظهار مهام جديدة مباشرة دون إنشاء مجموعات بيانات جديدة أو تشغيل دورات تدريبية لكل تغيير.
تعتبر هذه القدرة ذات صلة بشكل خاص ببيئات التشغيل الديناميكية مثل أرضيات التصنيع والمستودعات، حيث تتغير التخطيطات وتصل المنتجات الجديدة بشكل متكرر. من خلال تقليل الوقت والتكلفة المرتبطين بتكيف الروبوت، قد يجعل S1 من الممكن أكثر للشركات نشر الأتمتة المرنة استجابة لاحتياجات الإنتاج المتغيرة.
يسلط التكامل مع أدوات المحاكاة والتدريب الخاصة بـ NVIDIA، مثل Isaac Lab وCosmos، الضوء على الاتجاه نحو استخدام البيانات الاصطناعية والبيئات الافتراضية المادية لسد الفجوة بين أداء المحاكاة والأداء في العالم الحقيقي. يسمح هذا الأسلوب بإجراء اختبار مكثف لحالات وسلوكيات الحافة قبل النشر الفعلي.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
ماذا تشاهد بعد ذلك
راقب معدلات النجاح الواقعية لـ S1 في عمليات النشر التجاري بما يتجاوز معدل النجاح المعلن عنه والذي يبلغ 66% لكل خطوة. ترقب إصدار حلول المحاكاة المسرَّعة بوحدة معالجة الرسومات التي تم تطويرها بشكل مشترك لمجتمع المطورين الأوسع وتوسيع شراكات النشر الخاصة بـ Skild التي يزيد عددها عن 60.
ويشير معدل النجاح الذي تم الإبلاغ عنه بنسبة 66% لكل خطوة في اختبارات Skild إلى أنه على الرغم من أن النموذج أكثر فعالية بشكل ملحوظ من الأنظمة السابقة، إلا أنه ليس مثاليًا بعد. قد يختلف الأداء في العالم الحقيقي في البيئات المعقدة وغير الخاضعة للرقابة، وسيكون رصد موثوقية عمليات النشر هذه أمرًا بالغ الأهمية لتقييم الجدوى العملية للتكنولوجيا.
تعمل Skild وNVIDIA معًا على تطوير حلول محاكاة جديدة مسرعة بواسطة وحدة معالجة الرسومات لنمذجة التفاعلات الفيزيائية، والتي من المقرر أن تكون متاحة لجميع المطورين كجزء من Newton. يمكن أن يؤدي إطلاق هذه الأدوات إلى تقليل حاجز الدخول أمام شركات الروبوتات الأخرى التي تتطلع إلى تنفيذ خطوط تدريب مماثلة قائمة على المحاكاة.
إن توسيع شراكات Skild التجارية، والتي يبلغ عددها حاليًا أكثر من 60، سيحدد مدى اتساع تطبيق التكنولوجيا. إن مراقبة كيفية أداء النموذج عبر الصناعات المختلفة، مثل إعداد الطعام والأمن، ستوفر نظرة ثاقبة لقابلية تعميمه إلى ما هو أبعد من التصنيع.