ست بيت شاطرة.. روبوت أمريكى يطوي الملابس بمهارة تشبه الإنسان

أعلنت شركة Figure عن تقديم روبوت مبتكر للقيام بمهام غير تقليدية مثل طي المناشف، وفي فيديو نشرته الشركة يظهر الروبوت وهو يلتقط المناشف بشكل فردي ويمدها بعناية قبل أن يقوم بطيها بترتيب، وعلى الرغم من أن حركاته ليست مثالية إلا أنه يظهر حرصاً على إنجاز المهمة بدقة مقبولة، مما يعكس تقدماً ملحوظاً في مستوى التحكم والتكيف الذي يتمتع به هذا الروبوت، إذ يبدو أنه قادر على التعامل مع المهام بدافع من التعلم العميق.

الروبوت يستخدم نموذج Helix الجديد والذي يعد نظام رؤية-لغة-فعل يعزز الإدراك والفهم اللغوي، بالإضافة إلى التحكم الحركي، وقد تم تصميم هذا النموذج للتعامل مع التحديات التقليدية في مجال الروبوتات مثل الفهم والتفاعل مع البيئة، وكذلك تنفيذ المهام المعقدة بطريقة تشبه البشر، وكانت الشركة قد عرضت مقطع فيديو سابق في عام 2025 يوضح تطوير مشية طبيعية أكثر سلاسة للروبوت بفضل التعلم المعزز، بحسب ما قدمته interesting engineering.

نموذج Helix يمكّن الروبوت من استخدام معصميه وأصابعه وجذعه ورأسه بمرونة ملحوظة، مما يتيح له أداء حركات دقيقة وتفاعلات واقعية أكثر، من أبرز مميزات هذا النموذج هو قدرته على السماح لروبوتين بالعمل سوياً على مهمة واحدة لفترات زمنية طويلة، حتى وإن كانت الأدوات المستخدمة غير مألوفة، كما يتعلم النظام سلوكيات متعددة من خلال مجموعة واحدة من الأوزان العصبية دون الحاجة لإعادة برمجة متكررة لكل مهمة جديدة.

الروبوتات المزودة بنظام Helix قادرة على التعامل مع أدوات منزلية متنوعة مثل الأدراج والثلاجات، إذ تعتمد على تنفيذ التعليمات باستخدام محفزات اللغة الطبيعية، وهذا يجعل عملية التعليم أكثر تكاملًا ويزيد من تنوع قدرات الروبوت، كما أن هذا النهج يساهم في تقليل تعقيدات التطوير، حيث يعمل النموذج بشكل فعال على وحدات معالجة رسومية منخفضة الطاقة مما يجعله أكثر كفاءة وقابلية للتطبيق في الاستخدام التجاري.

اعتمد نظام Helix على مفهومين متكاملين حيث يركز الأول S1 على النظام الحركي البصري السريع الذي ينفذ الأفعال الفورية، بينما الثاني S2 يعتمد على نماذج اللغة والرؤية لفهم المشهد والتفكير بصورة معقدة، هذا الفصل في الأنظمة يمكّن من تحديث كل نظام بشكل منفصل دون التأثير على دقة التنفيذ وسرعته، مما يجعل من الأسهل تحقيق التحسينات اللازمة.

لتحقيق فعالية أكبر، استخدمت الشركة حوالي 500 ساعة من السلوكيات التي تم تشغيلها عن بعد لتدريب الروبوت، وتمت أيضًا برمجة التعليمات بلغة طبيعية عبر نظام VLM بهدف تسريع عملية التعلم، التصميم يجمع بين محول يضم نحو 80 مليون معلمة للتحكم ووحدة VLM تحتوي على 7 مليارات معلمة لمعالجة اللغة والرؤية، وهو ما نتج عنه نظام أكثر قدرة على التكيف وأسرع في التعلم، مما يجعله مؤهلاً لتطبيقات عملية في الحياة اليومية.