نموذج S1 من Skild AI يعلّم الروبوتات مهام جديدة من فيديو واحد

أطلقت Skild AI الأسبوع الماضي نموذجها الأساسي للروبوتات S1، المصمم لتعلم مهام طويلة المدى لم يرها من قبل انطلاقا من عرض فيديو واحد. يستقبل النموذج الفيديو كمدخل وينفذ المهمة دون تحديث أوزانه ودون تدريب لاحق خاص بالمهمة، وهي تقنية تسميها الشركة التعلم في السياق (in-context learning).

يسجل المشغل مقطع فيديو للمهمة المطلوبة ويقدمه إلى النموذج كأمر توجيهي، فيفسر S1 النية المعروضة والأجسام والتسلسل ثم يحولها إلى حركات للروبوت الموجود أمامه. وبحسب الشركة، ينفذ النموذج مهاما غير مألوفة تصل مدتها إلى 10 دقائق، منها زراعة نبات في أصيص وإعداد الفطائر وتحضير القهوة بالتقطير وتجميع الأطقم. وفي أحد اختبارات زراعة النبات، انتقل الفريق من تسجيل العرض إلى التنفيذ الذاتي على العتاد في 11 دقيقة.

النتائج المعلنة

في اختبارات Skild على مهام جديدة متعددة الخطوات، نجح S1 في نحو 66% من الحالات في كل خطوة، مقابل 9% لنظام ذكاء اصطناعي مماثل. وتقدّر الشركة أن مثالا واحدا قصيرا بالفيديو قد يوازي نحو 380 مثالا تدريبيا عمليا، وهي أمثلة يحتاج جمعها يدويا من 50 إلى 100 ساعة.

بنية NVIDIA ونشر مع Foxconn

بُني النموذج على بنية الذكاء الاصطناعي من NVIDIA. تستخدم Skild نماذج Cosmos وأداة Cosmos Curator لتنويع بيانات التدريب وتنظيمها، ومكتبات Omniverse وإطار Isaac Sim لبيئات افتراضية قائمة على الفيزياء، وإطار Isaac Lab مع محرك الفيزياء Newton للتعلم المعزز. وتعمل الشركتان معا على حلّالات محاكاة مسرّعة بوحدات المعالجة الرسومية لنمذجة اللمس والقبض والتعامل مع الأجسام الصلبة، وستتاح للمطورين ضمن Newton.

وتنشر Skild وNVIDIA وFoxconn نظام Skild Brain على مناولات ثنائية الذراع لتجميع أنظمة NVIDIA Blackwell بدقة عالية. وفي أحد المسارات المعروضة، يثبّت الروبوت قضيب توصيل وكتلة تحديد ويشد 16 برغيا ويتكيف مع الاضطرابات.

وذكرت الشركة أنها وصلت إلى معدل إيرادات سنوي قدره 100 مليون دولار بعد 10 أشهر من أول نشر تجاري لها، وأقامت أكثر من 60 شراكة نشر. التفاصيل في مدونة NVIDIA.