NVIDIA تستعرض تطورات تدريب الروبوتات في CoRL 2026
تسلط NVIDIA الضوء في مؤتمر تعلم الروبوتات (CoRL) في أوستن بولاية تكساس على تطورات في تقنيات تدريب الروبوتات تمكنها من أداء مهام دقيقة مثل محاذاة التروس وتوصيل الكابلات وتجميع المكونات الصغيرة. ويُعد هذا التحول من الحركة إلى المناورة محوراً رئيسياً في نقاشات المؤتمر.
تقدم NVIDIA تقنيات روبوتية مفتوحة جديدة، تشمل نماذج الحركة العالمية (world action models) وأدوات محاكاة ومعايير تقييم وسير عمل قائم على الوكلاء. كما اختيرت ورقتان بحثيتان من NVIDIA ضمن ستة مرشحين نهائيين لجوائز أفضل ورقة في CoRL.
- يقدم GRAIL (توليد مناورة حركة شبيهة بالبشر من نماذج العالم) خط أنابيب توليد رقمي للأصول ثلاثية الأبعاد والمشاهد الجاهزة للمحاكاة لتعلم الروبوتات.
- يقدم RoboTTT: توسيع السياق لسياسات الروبوت نموذج روبوت ووصفة تدريب توسع السياق الحركي البصري بشكل كبير يتجاوز السياسات الحالية دون زيادة زمن الاستدلال.
صُممت هذه التطورات لمساعدة الباحثين على تدريب الروبوتات على مهام معقدة، وتقييم أدائها في ظروف متغيرة، والاستفادة من الإخفاقات لتحسين التعلم، وصولاً إلى بناء الدقة والقدرة على التكيف اللازمتين للنشر الصناعي.
تتعاون NVIDIA مع شركاء متنوعين، من بينهم Ambi Robotics وBosch Research وDexmate وSiemens، لتطوير هذه التقنيات داخل مجتمع الروبوتات.
نماذج الحركة العالمية تمكّن المستوى التالي من استقلالية الروبوت
يتطلب المستوى التالي من استقلالية الروبوت أن تدرك الروبوتات محيطها، وتتوقع عواقب أفعالها، وتنفذ مهام معقدة متعددة الخطوات بدقة عالية. وتوفر نماذج الحركة العالمية هذه القدرة.
تقدم NVIDIA نموذج GR00T 2، وهو نموذج حركة عالمي مفتوح رائد مبني على NVIDIA Cosmos. دُرّب النموذج على مجموعة بيانات متنوعة، تشمل 100,000 ساعة من بيانات NVIDIA مفتوحة المصدر للرؤية البشرية الذاتية، ويمكّن الروبوتات من تعلم مهارات المناورة البراعة. تشمل الميزات الرئيسية:
- أداء جاهز: أكمل 40 مهمة من أصل 50 مهمة تم تقييمها مرة واحدة على الأقل دون عروض توضيحية خاصة بالمهمة.
- نقل المهارات: يتعلم من العروض البشرية وينقل المهارات بين أجسام روبوتية مختلفة دون الحاجة إلى عروض توضيحية من الروبوت.
- التعميم ببيانات قليلة: حقق متوسط نجاح 71% عبر 50 مهمة بعرض توضيحي واحد فقط لكل مهمة، ويرتفع إلى 95% مع خمسة عروض.
- تحكم الوكيل: يمكن لوكلاء الذكاء الاصطناعي استخدام واجهة برمجة تطبيقات GR00T 2 لتشغيل المهارات بالتسلسل والتعافي من الأخطاء.
يصنف GR00T 2 ضمن أفضل ثلاثة نماذج عبر معايير تقييم متعددة، مع انتصارات متعددة في لوحات الصدارة. وتختبره شركات مثل Nexuni وFoxconn في مناولة الغسيل الروبوتية وأتمتة المصانع على التوالي.
يتطلب تدريب روبوتات قادرة بيانات متنوعة. وتعزز سير العمل والنماذج المفتوحة من NVIDIA أدوات جمع البيانات ووسمها:
- يحول سير عمل Video to Data المفتوح الجديد من NVIDIA الفيديو البشري إلى عروض توضيحية روبوتية محاكاة، مع تحدي يدعو الباحثين إلى تطويره.
- يعيد نموذج NVIDIA EgoHand المفتوح بناء حركة اليد ثلاثية الأبعاد، ودُرّب ببيانات من Noitom Robotics.
أين يحدث التدريب والتوسع — في المحاكاة
يوفر النموذج المدرب مسبقاً للروبوتات مجموعة أساسية من المهارات، بينما تتيح المحاكاة للباحثين تدريب هذه المهارات وتحسينها وتقييمها على نطاق واسع قبل نشرها على الروبوتات الفعلية.
يدعم NVIDIA Isaac Lab، وهو إطار عمل مفتوح المصدر لتعلم الروبوتات، هذا العمل. ويتيح إصداره الأحدث، Isaac Lab 3.0، للباحثين إعداد بيئات تدريب بسرعة باستخدام أصول جاهزة للمحاكاة وتطبيق مكتبة جديدة للتعزيز بعد التدريب على النماذج الأساسية مثل GR00T.
تُعد الفيزياء الدقيقة ضرورية لنقل المهارات المكتسبة من المحاكاة إلى الروبوتات الحقيقية. ويتيح التكامل مع Newton، وهو محرك فيزياء مفتوح المصدر، لـ Isaac Lab نمذجة الأجسام القابلة للتشوه والأنظمة المفصلية المعقدة.
ومعاً، يمكّن Isaac Lab وNewton الباحثين من تدريب آلاف الروبوتات المحاكاة بالتوازي. وفي معيار تقييم للمناورة البراعة القائمة على الرؤية، حقق Isaac Lab 3.0 مع Newton ما يصل إلى 2.5 ضعف إنتاجية التدريب مقارنة بسابقه.
يعمل المطورون على توسيع قدرات Newton. وفي CoRL، أعلنت Skild AI عن STEEL، وهو حلال فيزياء جديد للأجسام الصلبة مبني على Newton لتسريع تدريب الروبوتات باستخدام Isaac Lab.
تستخدم FieldAI كلاً من Newton وIsaac Lab وIsaac Sim لتدريب سياسات الروبوت والتحقق من صحتها للنشر في بيئات واقعية غير مهيكلة. وتعرض Dyna Robotics كيف تساعد المحاكاة المتوازية في Isaac Lab على تدريب وحدات التحكم لكامل الجسم.
https://blogs.nvidia.com/wp-content/uploads/2026/11/groot-2-shipping-label.mp4?_=1رابط ذو صلة: nvidia.com
المصدر: NVIDIA Blog