في 10 نوفمبر، وهو نفس اليوم الذي تم فيه إصدار Claude Fable 5.2، قامت شركة Ant Lingbo Technology بفتح المصدر الأساسي لنموذج اللمس الأساسي LingBot-Touch. تم عرض نموذج كبير عام للعالم الرقمي ونموذج أساسي متجسد للعمليات المادية ذات الحلقة المغلقة في نفس اليوم.

العلاقة بين هذين المسارين التقنيين هي محور المناقشات الحالية في صناعة الاستخبارات المتجسدة. من وجهة نظر آنت لينغبو، فإن النموذج الكبير العام والنموذج الأساسي المتجسد أقرب إلى علاقة تآزرية 1+1>2: الأول يعزز الفهم والتفكير في المهام والبيئات، والأخير يكمل الإدراك المادي وقدرات تشغيل الحلقة المغلقة. فقط عندما يسير الاثنان جنبًا إلى جنب، يمكنهم معًا تسريع نضج الصناعة المتجسدة.

يعتمد LingBot-Touch مفتوح المصدر على ما يقرب من 5000 ساعة من التدريب المسبق للبيانات اللمسية الحقيقية ويغطي ثلاثة مبادئ استشعار رئيسية: اللمس المغناطيسي، واللمس البصري، ومقاومة الضغط. يمكنه تحويل إشارات مختلفة إلى نفس المجموعة من التمثيلات اللمسية لاستخدامها من قبل أيدٍ بارعة ونماذج حركة مختلفة، مما يسمح للروبوت "بالرؤية بوضوح والتفكير بوضوح" مع استكمال الإدراك اللمسي المطلوب للعمليات الدقيقة.

في السابق، كان دماغ Ant Lingbo الشامل يغطي الإدراك المكاني عالي الدقة والتفاعل البيئي الديناميكي للغاية والعمليات الحاذقة القابلة للتعميم. هذه المرة، تم توصيل LingBot-Touch بـ LingBot-VLA، مما أدى إلى توسيع قدرات الاستشعار إلى "أطراف الأصابع"، مما يجعل الروبوت "يلمس أكثر حساسية"، كما تم تحسين قدرة التنسيق بين اليد والعين للدماغ العالمي الأصلي.

26 اختبارًا حقيقيًا للآلة، زاد معدل نجاح المهمة بنسبة 14 إلى 26 نقطة مئوية

مع استمرار تقدم النماذج الكبيرة ذات الأغراض العامة، تتزايد قدرة الروبوتات على فهم المهام المعقدة والتفكير المنطقي بشأن خطوات التشغيل. ولكن في العالم المادي الحقيقي، في كل مرة يقوم فيها الروبوت بعمل ما، يجب أن يستشعر التغييرات في الأشياء والبيئة، ثم يصحح الإجراء التالي. في العديد من العمليات الدقيقة، يستطيع الروبوت رؤية مكان الجسم بوضوح ويمكنه مد يده إلى الموضع الصحيح، لكنه قد لا يتمكن من إكمال المهمة بنجاح. بعد أن يلمس الإصبع الجسم، من الصعب الحكم على ما إذا كانت القوة مناسبة وما إذا كان الجسم ينزلق. من الصعب الحكم بالرؤية وحدها ويتطلب اللمس لملء المنصب.

إذا أخذنا عملية شد غطاء الزجاجة يدويًا ببراعة كمثال، فإن معلومات العمق يمكن أن تساعد الإصبع في محاذاة غطاء الزجاجة؛ بعد البدء في الدوران، قد يصبح غطاء الزجاجة مفككًا، أو قد ينزلق طرف الإصبع على طول جدار الغطاء. الحالتان متشابهتان في الصورة، لكنهما تتطلبان تعديلات حركية مختلفة. غالبًا ما يتم حجب موضع تلامس أطراف الأصابع وحجم القوة وتغيراتها بواسطة الأصابع والأشياء، مما يجعل من الصعب الحصول على الرؤية، ولكنها أساس مهم للحكم على نماذج العمل.

من أجل التحقق من مساعدة التمثيل الملموس في العمليات الحقيقية، أجرى Ant Lingbo 26 اختبارًا حقيقيًا للآلة على يدين ماهرتين، Sharpa Wave وXHand1، حيث غطى العمليات الدقيقة مثل تقليب صفحات الكتاب، ولف أغطية الزجاجات، وتحديد بلاطات mahjong. بعد الوصول إلى LingBot-Touch، ارتفع متوسط ​​معدل نجاح المهمة لنماذج العمل الأربعة لـ LingBot-VLA، π0.5، وسياسة الانتشار، وT-Rex بحوالي 14 إلى 26 نقطة مئوية مقارنة بتلك التي لا تعمل باللمس. بأخذ T-Rex للتحكم في موجة Sharpa لتحريف أغطية الزجاجات كمثال، يبلغ معدل نجاح المهمة 56.25% دون استخدام الإحساس اللمسي، ويتم إدخال الإشارة الأصلية للمستشعر مباشرة إلى 62.5%. بعد الاتصال بالتمثيل اللمسي LingBot-Touch تصل نسبة النجاح إلى 90%.

(تسمية توضيحية: بعد الوصول إلى LingBot-Touch، وصلت معدلات نجاح نماذج الحركة الأربعة على اليدين الماهرتين إلى أعلى مستوياتها)

توحيد التمثيل الملموس وإعادة استخدام "الإحساس" عبر الأجهزة والنماذج والمهام

إن تركيب مستشعر اللمس على الروبوت لا يعني أنه يمكنه الاستفادة بشكل جيد من حاسة اللمس لديه. في الوقت الحاضر، لا تزال أجهزة الاستشعار اللمسية التجارية في مرحلة مبكرة من التطوير ككل. الطرق الرئيسية مثل اللمس البصري، واللمس المغناطيسي، والمقاومة التجويفية لها نقاط قوة وقيود خاصة بها. بالنسبة لسيناريوهات الاستخدام والتكاليف المختلفة، قد تتواجد مسارات تقنية متعددة لفترة طويلة. والأمر الأكثر إثارة للقلق هو أن البيانات التي تجمعها هذه المستشعرات يصعب تعميمها بشكل مباشر: فنفس جهة الاتصال ستشكل إشارات أصلية مختلفة بموجب مبادئ استشعار مختلفة وتخطيطات اتصال مختلفة. بمجرد أن يتعلم النموذج تفسير أحدهما فقط، بعد استبدال المستشعر أو اليد البارعة، قد يكون من الصعب إعادة استخدام البيانات الحالية والخبرة اللمسية، مما يتطلب إعادة الاكتساب والتدريب والتكيف.

لذلك، فإن مفتاح تنفيذ اللمس على نطاق واسع هو تحرير فهم اللمس من الاعتماد على الإشارات المادية من أجهزة استشعار محددة، بحيث يمكن استخدام البيانات من مصادر مختلفة بشكل مشترك للتدريب، ويمكن إعادة استخدام قدرات اللمس المتراكمة عبر أجهزة الاستشعار والأيدي الماهرة والنماذج والمهام.

ولتحقيق هذه الغاية، تقوم LingBot-Touch بإعداد مداخل التشفير وفقًا لمبدأ الاستشعار، وتقوم أولاً بمعالجة الإشارات الأصلية المختلفة، ثم تقوم بتعيين جهات الاتصال الخاصة بالتخطيطات المختلفة إلى مساحة إحداثية موحدة لأطراف الأصابع. يتعلم النموذج المشترك موضع الاتصال وقوته وتغيراته بمرور الوقت، ويخرج رمزًا ملموسًا موحدًا. ونتيجة لذلك، يمكن استخدام البيانات التي تم جمعها من قبل الأشخاص الذين يرتدون قفازات اللمس والأيدي البارعة التي يتم تشغيلها عن بعد للتدريب معًا، كما يمكن لنماذج العمل المختلفة أيضًا استدعاء النماذج المدربة مباشرة لاستخراج ميزات الاتصال. وتترك هذه البنية أيضًا مجالًا للتوسع في المستقبل للوصول إلى أجهزة استشعار جديدة تعمل باللمس.

(تسمية توضيحية: يقوم LingBot-Touch بتشفير الإشارات اللمسية المغناطيسية، واللمسية البصرية، والإشارات اللمسية المقاومة للضغط في رمز ملموس موحد للاستخدام بواسطة نماذج عمل مختلفة)

في XHand1، تحقق الفريق أيضًا من إعادة استخدام قدرات اللمس عبر الأجهزة: نموذج مستشعر اللمس المغناطيسي الذي يستخدمه XHand1 غير موجود في بيانات ما قبل التدريب، وتجربة اللمس المغناطيسية التي تعلمها النموذج كلها تأتي من البيانات التي تم جمعها من قبل الأشخاص الذين يرتدون القفازات. بعد التبديل إلى هذه اليد البارعة، أبقى الفريق معلمات LingBot-Touch دون تغيير واستخدم فقط نموذج إجراء التدريب على عرض العمليات الخاص بـ XHand لإكمال الترحيل. وفي الوقت نفسه، يرتبط LingBot-Touch بأربعة نماذج عمل مختلفة في اختبار الآلة الحقيقي هذا ولا يرتبط بنموذج Ant Lingbo الذي تم تطويره ذاتيًا. فهو يوفر قدرة إدراك عالمية بين مستشعر اللمس ونموذج العمل، بدلاً من وحدة مخصصة لجهاز معين أو استراتيجية معينة. بالنسبة للصناعة، يمكن لمصنعي أجهزة الاستشعار والأيدي البارعة اختيار الأجهزة بناءً على متطلبات التكلفة والمهمة، ويمكن لفريق الماكينة بأكمله أيضًا الاحتفاظ بإستراتيجية العمل الخاصة به، وبالتالي تقليل الاستثمار المتكرر في إعادة تطوير القدرات اللمسية في كل مرة يتم فيها استبدال مجموعة الأجهزة والخوارزمية.

من أجل أخذ كل من قدرات الإدراك وقوة الحوسبة في الاعتبار، توفر Ant Lingbo نماذج بقدرتين: تم إكمال جميع اختبارات الآلة الحقيقية البالغ عددها 26 باستخدام الإصدار خفيف الوزن من LingBot-Touch-Tiny مع ما يقرب من 5.3 مليون معلمة. بعد الوصول إلى LingBot-VLA وπ0.5 وT-Rex، زاد عدد معلمات النموذج بحوالي 0.13% إلى 0.16%؛ يُظهر LingBot-Touch-Small ذو السعة الأكبر إمكانية إجراء مزيد من التحسين في اختبار الإدراك الحسي - عندما تزيد بيانات التدريب المسبق إلى ما يقرب من 5000 ساعة، لا يزال بإمكان النموذج الاستفادة من البيانات الجديدة، مما يشير إلى أن هناك مجالًا للتوسع المستمر والتحسين في التدريب المسبق عن طريق اللمس.

الالتزام بالأصالة المتجسدة والتقدم بالتنسيق مع النماذج الكبيرة العامة

تم الكشف عن Fable 5.2 في نفس اليوم الذي تم فيه الكشف عن LingBot-Touch، والذي يعد إلى حد ما نموذجًا مصغرًا لتطور مسار تكنولوجيا الذكاء المتجسد الحالي. وفيما يتعلق بتأثير التطور المتسارع للنماذج الكبيرة العامة على مسار "دماغ" الروبوت، قال تشو شينغ، الرئيس التنفيذي لشركة Ant Lingbo: "مع Claude Fable 5.2 وGPT-6 Astra، أدى التقدم في نموذج اللغة الكبير في العالم الرقمي إلى جعل الروبوتات أكثر قدرة على التفكير في المهام المعقدة والعمليات الجسدية. نحن قلقون للغاية بشأن هذا الأمر ونستوعبه بنشاط. ومع ذلك، فإن الممارسة في الصناعة تخبرنا أنه من أجل اختراق الحلقة المغلقة من العمليات، فإن الأمر الصعب لا يزال من غير الممكن تجاوز جوهر تعميم العملية الفيزيائية، ولا يزال يعتمد على اختراق النموذج الأساسي المتجسد نفسه ".

في رأيه، النموذج الكبير العام والنموذج الأساسي المتجسد أقرب إلى العلاقة التآزرية 1+1>2: الأول يعزز الفهم والتفكير في المهام والبيئات، والأخير يحسن الإدراك المادي وقدرات تشغيل الحلقة المغلقة. يخترق الاثنان بعضهما البعض ويعززان بعضهما البعض، مما يؤدي بشكل مشترك إلى تسريع نضج صناعة الذكاء المتجسد.

"إن جودة المدخلات النموذجية تحدد إلى حد كبير جودة مخرجات العمل. وبعبارة أخرى، بدون مدخلات جيدة، لن يكون هناك مخرجات جيدة." قال Zhu Xing إن Ant Lingbo ستلتزم بالمسار الأصلي المتجسد، وستواصل استكشاف حدود عليا جديدة لتعميم العمليات المادية، وإنشاء عقل عالمي متعدد التكوين لصناعة الروبوتات، وتعزيز مواءمة المزيد من الطرائق المادية مثل الرؤية والعمق واللمس وحتى درجة الحرارة في نموذج موحد، ومواصلة فتح المصدر للمجتمع مع تعزيز التسويق التجاري.

في الوقت الحالي، تعد التقارير الفنية والنماذج والتعليمات البرمجية الخاصة بـ LingBot-Touch مفتوحة المصدر، ويمكن للمطورين الوصول إليها وتنزيلها على Hugging Face وGitHub وMagic Community.

Leifeng.com Leifeng.com (الحساب العام: Leifeng.com)

يحرر

إعادة إرسال البريد الإلكتروني تعديل البريد الإلكتروني