اختراق Microsoft يتعامل مع قيود الروبوتات بنظام استشعار اللمس

Microsoft Research roأجرى 2026نظام⟦/N1⟧ تحكم جديد في الروبوتات في أواخر يناير 2026 أن⟦/N1⟧ يسمح لـs woالتحكم بيديهما أثناء معالجة الأوامر المنطوقة والتغذية الراجعة المادية. يُعرف النظام باسم Rho-alpha، ويُمثل دخول الشركة إلى نماذج الأساس المصممة للروبوتات التي تستخدم ذراعين at once.

ستصل التقنية أولاً إلى مجموعات مختارة من خلال برنامج الوصول المبكر قبل أن تجعلها متاحة على نطاق أوسع على منصة Foundry الخاصة بها. يمكن للشركات بعد ذلك تكييف النظام مع احتياجاتها المحددة باستخدام بياناتها الخاصة.

إضافة اللمس إلى ذكاء الروبوت

تبحث المصانع والمستودعات عن روبوتات يمكنها التعامل مع الظروف المتغيرة بدلاً من تكرار الحركات المبرمجة نفسها إلى الأبد. تحتاج إعدادات المستشفيات إلى آلات تتكيف مع مواقف مختلفة. تخلق خطوط الإنتاج حيث تختلف العناصر من دفعة إلى أخرى مشاكل لا يمكن للأتمتة التقليدية حلها بكفاءة. Microsoft صممت Rho-alpha لتلبية هذا الاحتياج من خلال معالجة ما تراه الروبوتات وتسمعه جنباً إلى جنب مع ما تشعر به جسدياً عبر أجهزة الاستشعار.

تعتمد معظم أنظمة الروبوتات اليوم على الكاميرات والميكروفونات لفهم محيطها واتخاذ التعليمات. يضيف Rho-alpha طبقة أخرى من خلال معالجة اللمس كأمر مهم بنفس القدر. عندما تحتوي مشبك الروبوت على مستشعرات ضغط مدمجة، يحصل النظام على معلومات تفوت الكاميرات تماماً. هذا مهم عند محاولة توصيل شيء ما بمقبس أو تركيب الأجزاء معاً حيث لا يوفر البصر بمفرده ما يكفي من التفاصيل حول ما إذا كانت الأشياء تتطابق بشكل صحيح.

Microsoft showed off these abilities باستخدام ذراعي Universal Robots UR5e المزودين بمستشعرات تكشف عن الضغط واللمس. خلال الاختبارات مع مجموعة مهام تُسمى BusyBox، قام الأشخاص لـ BNN Bloomberg أن Core Scientific نهضت من الإفلاس إلى شراكات متعددة المليارات كجزء من خطة إعادة الهيكلة. وأشار راسل كان، مسؤول التطوير الرئيسي في Core Scientific، إلى أن ما يميز Core Scientific هو أنه لا يمكن لكل شركة تعدين بيتكوين تشغيل مركز بيانات للذكاء الاصطناعي بنجاح، رغم وجود بعض أوجه التشابه في الهيكل. the robot to do things like put a tray inside a toolbox and shut the lid. The system تحولت بتحويل تلك الكلمات إلى حركات منسقة بين الذراعين وقاموا بتعديلات بناءً على ما شعر به المستشعر. عندما فشلت محاولات إدخال قابس لم في المحاولة الأولى، كان بإمكان المشغل البشري توجيه الروبوت باستخدام جهاز إدخال ثلاثي الأبعاد، وتعلم النظام من تلك التصحيحات.

الحصول على بيانات تدريب كافية لا يزال أكبر تحدي في بناء روبوتات قادرة. يمكن لنماذج اللغة التعلم من كميات هائلة من النصوص المتاحة عبر الإنترنت، لكن تدريب الروبوتات يتطلب عروضاً فيزيائية فعلية تستغرق وقتاً ومالاً لتسجيلها. عالجت Microsoft هذا الأمر من خلال تدريب Rho-alpha على ثلاثة أنواع من المعلومات: تسجيلات للعروض الفيزيائية الحقيقية، ومهام تدريب محاكاة، ومجموعات بيانات كبيرة من الصور مع أسئلة وأجوبة من الويب. تستخدم الشركة Nvidia Isaac Sim يعمل على خوادم Azure لإنشاء سيناريوهات اصطناعية واقعية من خلال عملية التعلم التعزيزي.

ينتج هذا الإعداد للمحاكاة مواقف تدريبية دقيقة فيزيائياً تكمل العروض الحقيقية. يسمح النهج المشترك لـ النموذجبمواجه حالات غير عادية ومواقف فشل كان من شأنها أن تتطلب آلاف الساعات من التشغيل الواقعي لالتقاطها.

تتبع طريقة التدريب الأنماطالتي تستخدمها الشركات الأخرىفي مجالالروبوتات. تتخذ أنظمة Gemini Robotics من Google DeepMind، ونموذج Helix من Figure AI للروبوتات البشرية، وPi-zero من Physical Intelligence نهجاً مشابهاً لتجاوز مشكلة نقص البيانات. تساعد هذه التقنية هذه الأنظمةعلى تعلم مهارات التلاعب العامة دون الحاجة إلى عروض محددة لكل مهمة فردية قد تواجهها.

المنافسة في سوق ناضج

تنضم Microsoft إلى سوق نماذج الأساس للروبوتات الذي نما بشكل كبير على مدار العام ونصف الماضي. أصدرت Nvidia GR00T N1.6 الموجهة للروبوتات البشرية، مع التركيز على التحكم في الجسم بالكامل وفهم السياق. وسعت Google DeepMind Gemini إلى مجال الروبوتات بقدرات تتراوح بين طي الورق إلى أشكال أوريغامي والتعامل مع أوراق اللعب. تقدم Physical Intelligence Pi-zero كنظام متعدد الأغراض تم تدريبه عبر أنواع مختلفة من الروبوتات.

Rho-alpha يبرز في ثلاثة طرق. أولاً، التركيز على الاستشعار اللمسي يعالج المواقف التي تعاني فيها الأنظمة المعتمدة فقط على الرؤية. ثانياً، يأتي النموذج من سلسلة Phi الخاصة بـ Microsoft، والتي قامت الشركة بضبطها للعمل بكفاءة على الأجهزة الاستهلاكية العادية. يشير هذا الخلفية إلى أنه قد يعمل على الأجهزة المحلية دون الحاجة إلى اتصال مستمر بخوادم السحابة. ثالثاً، يركز على التعلم من تصحيحات البشر أثناء التشغيل الفعلي، مما يميزه عن النماذج التي تحتاج إلى إعادة تدريب كاملة لاكتساب سلوكيات جديدة.

تختلف نهج Microsoft التجاري أيضاً عن منافسيها. تخطط الشركة لعرض Rho-alpha من خلال منصة Foundry الخاصة بها كبنية تحتية يمكن للمصنعين ومندمي الأنظمة تخصيصها بمعلوماتها الخاصة الخاصة. هذا يماثل نهج الشركة مع Azure خدمة OpenAI ويستهدف المنظمات التي تريد إنشاء إصدارات متخصصة بدلاً من استخدام نموذج عام.

بالنسبة للمصانع وشركات اللوجستيات، تكمن الفرصة في تحديد مهام التعامل المتكررة حيث تفشل الأتمتة الحالية في الوفاء بالمتطلبات. تمثل محطات فحص الجودة، والعمليات التي تجمع مجموعات من العناصر، وخطوط التجميع ذات الدفعة الصغيرة، مواقف حيث يمكن لمزيج Rho-alpha من فهم اللغة والاستشعار اللمسي تقليل متطلبات البرمجة.

يمنح برنامج الوصول المبكر الذي أعلنته Microsoft لل المنظمات طريقة لاختبار ما إذا كان النظام يناسب احتياجاتها قبل الاستثمار في بنية النشر. يجب على الشركات الدخول في هذه التقييمات متوقعة أن الإشراف البشري سيكون ضرورياً، ويجب أن تخطط لسير العمل حيث يقوم المشغلون بتصحيح وتوجيه الروبوتات خلال فترات التعلم الأولية.

Physical الذكاء الاصطناعي represents a shift from robots من أدوات مبرمجة مسبقًا إلى شركاء مرنين. سيستغرق هذا التحول سنوات بدلاً من أشهر، لكن نماذج الأساس القادمة من Microsoft وNvidia وGoogle ترسي الأنماط الأساسية التي ستحدد روبوتات المؤسسات خلال السنوات العشر القادمة.