جدول المحتويات
تواجه خطوط الإنتاج والمصانع تحديات مستمرة بسبب تغير المهام وتغير تخطيطات العمل. معظم الروبوتات التقليدية تحتاج إلى إعادة برمجة شاملة للتكيف مع هذه التغييرات. لكن نموذج Skild AI الجديد، المعروف بـ S1، يقدم حلاً مبتكرًا من خلال تعلم المهام الجديدة من خلال فيديو واحد فقط. يعتمد هذا النموذج على تقنية التعلم في السياق، مما يمكّنه من فهم وتنفيذ المهام دون الحاجة إلى تحديث وزنه أو إجراء تدريب إضافي.
تم تطوير S1 باستخدام بنية تحتية متقدمة من NVIDIA، حيث يشمل التعاون بين Skild وNVIDIA مجالات متعددة مثل توليد البيانات الاصطناعية، تدريب النماذج، والمحاكاة. يهدف هذا التعاون إلى نقل الذكاء الاصطناعي القابل للتكيف من المختبرات إلى المصانع والبيئات الديناميكية الأخرى.
قال ديباك باثاك، المؤسس المشارك والرئيس التنفيذي لشركة Skild AI: “التعلم من خلال التجربة، وليس من خلال البرمجة المسبقة، هو التحول الكبير الذي حدث في عالم الروبوتات”. تساعد تقنيات NVIDIA، مثل Isaac Lab وCosmos، Skild في خلق تجارب متنوعة وقابلة للتوسع لروبوتاتها.
تعلم المهام الجديدة من فيديو واحد
تُصمم معظم الروبوتات الصناعية لأداء مهام ثابتة، مما يتطلب جمع بيانات جديدة وإعادة تدريب للتحولات في المنتجات أو العمليات. لكن S1 يتبنى نهجًا مختلفًا. يقوم المشغل بتسجيل فيديو للمهمة المطلوبة ويقدمه كنموذج. يقوم النموذج بتحليل النية المعروضة والأشياء المتضمنة، ثم يترجمها إلى إجراءات للروبوت دون الحاجة إلى إعادة تدريب.
يمكن لـ S1 أداء مهام غير مألوفة تستمر حتى 10 دقائق، مثل زراعة النباتات، وتحضير الفطائر، وصنع القهوة، وتجميع المعدات. تتضمن هذه المهام خطوات متعددة من المناورة، مما يتطلب من الروبوت دمج المهارات بطرق لم يتم تنفيذها مسبقًا.
في اختبار زراعة النباتات، انتقل فريق Skild AI من تسجيل العرض إلى التنفيذ الذاتي على الأجهزة في غضون 11 دقيقة فقط. يمكن للنموذج التكيف مع حركة الأشياء، والتعافي من الأخطاء، ودمج المهارات في تسلسلات لم يتم برمجتها مسبقًا.
من البحث إلى العمل في المصانع
يعمل S1 على كسر دورة الحاجة المستمرة لإعادة تدريب الروبوتات من خلال السماح للمشغلين بعرض المهام الجديدة مباشرة دون الحاجة إلى مجموعة بيانات جديدة أو دورة تدريبية لكل تغيير. حيثما تسمح الاتفاقيات مع العملاء، يمكن أن تُفيد التجارب من عمليات Skild التجارية في تحسين النموذج العام وتسريع عمليات النشر المستقبلية.
تجري هذه العمليات بالفعل في المصانع. تقوم Skild وNVIDIA وFoxconn بنشر Skild Brain على الروبوتات ذات الذراعين المزدوجتين لأغراض التجميع الدقيق. في أحد التدفقات المعروضة، يقوم الروبوت بتركيب شريط الحافلة وكتلة الحد، ثم يثبت 16 برغيًا ويتكيف مع الاضطرابات عبر مهمة متعددة الخطوات.
تكنولوجيا NVIDIA عبر دورة التطوير
تتيح الحوسبة المتسارعة من NVIDIA لـ Skild توسيع نطاق تدريب دماغ الروبوت المشترك باستخدام المحاكاة، والفيديو البشري، والتحكم عن بعد، وحيثما تسمح الظروف، بيانات النشر. تساعد نماذج NVIDIA Cosmos المفتوحة في تنويع بيانات التدريب وتحويل الفيديو إلى أوصاف منظمة، بينما يساعد Cosmos Curator في تصنيف وتنظيم البيانات على نطاق واسع.
تستخدم Skild بشكل مكثف أطر المحاكاة المفتوحة من NVIDIA لتدريب والتحقق من صحة دماغ الروبوت قبل النشر في العالم الحقيقي. توفر مكتبات NVIDIA Omniverse وإطار عمل NVIDIA Isaac Sim بيئات افتراضية تعتمد على الفيزياء لتوليد البيانات، واختبار الحالات الحدودية، والتحقق من السلوكيات.
تعزز Skild مهارات دماغها من خلال التعلم المعزز في Isaac Lab، وهو إطار عمل مفتوح لتعلم الروبوتات. يساعد محرك نيوتن الفيزيائي المهندسين في نمذجة المعلمات الفيزيائية بدقة، مثل القوى والاحتكاك، وتقليل الفجوة بين المحاكاة والواقع.
تعمل Skild وNVIDIA أيضًا على تطوير حلول محاكاة جديدة معززة بالمعالجة الرسومية، والتي ستتوفر قريبًا لجميع المطورين كجزء من نيوتن. مع اقتراب النماذج من الإنتاج، تساعد أدوات NVIDIA Nsight المهندسين في تحديد نقاط الاختناق أثناء التدريب، بينما يعمل مجموعة أدوات تطوير البرمجيات NVIDIA TensorRT على تحسين الاستدلال لتمكين الروبوتات من الاستجابة بسرعة في العالم الحقيقي.
رأي بوابة الذكاء الاصطناعي
تُظهر الابتكارات التي تقدمها Skild AI في نموذج S1 كيف يمكن للذكاء الاصطناعي أن يحدث ثورة في طريقة عمل الروبوتات في المصانع. من خلال تقنيات التعلم في السياق، يمكن للروبوتات الآن التكيف بسرعة مع المتغيرات دون الحاجة إلى إعادة تدريب معقد. كيف ترى تأثير هذه التكنولوجيا على مستقبل الصناعة؟
المصدر: الرابط الأصلي
