آخر تحديث: أبريل 23 ، 2026

جمع البيانات للذكاء الاصطناعي المجسد: مجموعات بيانات التشغيل عن بعد، والمحاكاة إلى الواقع، والبيانات الصناعية في عام 2026

البيانات هي العائق الرئيسي أمام الذكاء الاصطناعي المُجسّد، وليس القدرة الحاسوبية. يتطلب تدريب سياسة الروبوت تدفقات متزامنة لحالات العمل، وهي غير متوفرة على نطاق الإنترنت. ثلاثة مصادر تلبي هذا الطلب حاليًا: التحكم عن بُعد البشري يُنتج عروضًا توضيحية عالية الجودة، لكن على حساب وقت المُشغّل؛ نقل البيانات من المحاكاة إلى الواقع يُضاعف عدد الحلقات، ولكنه يُحدث فجوة في الدقة؛ ومجموعات البيانات المفتوحة الضخمة تجمع مساهمات من عشرات المختبرات والمنصات.

لماذا تُشكّل البيانات عنق الزجاجة في الذكاء الاصطناعي المُجسّد

شهدت الحوسبة نموًا متوقعًا. وتتوفر اليوم تجاريًا مجموعات وحدات معالجة الرسومات (GPU) القادرة على تدريب نماذج الرؤية واللغة والحركة (VLA) ذات المليارات من المعلمات. أما ما لم يتطور فهو حجم البيانات التي تحتاجها هذه النماذج: الملاحظات والإجراءات المزدوجة المسجلة أثناء التلاعب الفيزيائي بالروبوت، مع تنوع كافٍ في المهام والتجسيدات لإنتاج سياسات قابلة للتعميم.

يستطيع نموذج اللغة استيعاب تريليون رمز من الإنترنت في غضون أسابيع. أما مجموعة بيانات معالجة الروبوتات، فيجب إنشاؤها حلقةً تلو الأخرى، إذ تتطلب كل حلقة روبوتًا فعليًا، وبيئة حقيقية أو محاكاة، وتعريفًا للمهمة، ومشغلًا بشريًا أو عرضًا توضيحيًا مُعدًا مسبقًا. ويُقدّر الاتحاد الدولي للروبوتات (IFR) أن أكثر من 3.9 مليون روبوت صناعي كانت تعمل على مستوى العالم في عام 2024، ومع ذلك، فإن أكبر مجموعات بيانات المعالجة المفتوحة تحتوي على ما يقارب مليون حلقة. ولا تزال هذه الفجوة قائمة.

يتفاقم التحدي عند النظر إلى فجوة التجسيد: فالسياسة المدربة على ذراع آلية بست درجات حرية لا تنتقل بسلاسة إلى روبوت بشري ثنائي اليدين أو قاعدة متحركة بذراع. كل شكل جديد للروبوت يعيد ضبط متطلبات البيانات. تقلل أساليب تجزئة الإجراءات (حيث تُخرج السياسة تسلسلات إجراءات متعددة الخطوات بدلاً من خطوات منفردة) من زمن استجابة الاستدلال، لكنها لا تقلل من الحاجة إلى تغطية تدريب متنوعة.

وفقًا لورقة بحثية بعنوان "التجسيد المتقاطع المفتوح" (بادالكار وآخرون، 2023، جوجل ديب مايند وآخرون)، يُمكن لتدريب التجسيد المتقاطع على بيانات روبوتية متنوعة تحسين تعميم السياسات بما يتجاوز ما تُوفره مجموعات البيانات أحادية التجسيد. وتتناول شركة EVST هذا الأمر من خلال تقييم جودة مجموعات البيانات متعددة التجسيدات كجزء من عملية التقييم الداخلية عند اختيار تخطيط الحركة المُعزز بالذكاء الاصطناعي لمجموعة روبوتاتها الكاملة التي تتراوح أوزانها بين 3 و800 كجم. للاطلاع على الجانب المادي من استراتيجية البيانات هذه، انظر حلول الذكاء الاصطناعي المجسد من EVST، بما في ذلك الروبوتات الشبيهة بالبشر، والأيدي الماهرة لجمع البيانات، والروبوتات رباعية الأرجل، والمنصات التجريبية لتطوير الذكاء الاصطناعي المجسد.

مصادر البيانات الرئيسية الثلاثة: نقاط القوة والقيود

التشغيل عن بعد

تتيح تقنية التشغيل عن بُعد تسجيل عروض توضيحية عالية الجودة على الروبوت المستهدف. يتحكم المشغل بالروبوت عن بُعد، باستخدام أذرع تحكم، أو نظارات الواقع الافتراضي، أو بدلات الهيكل الخارجي، أو أجهزة محمولة، بينما يسجل النظام كل زاوية مفصل، وحالة ماسك، وقراءة قوة، وإطار كاميرا بشكل متزامن. ولأن البيانات تأتي من إنسان يؤدي المهمة الفعلية على الروبوت نفسه، فإن تطابق الحركة مع الحالة يكون دقيقًا، ولا وجود لأي فجوة في التجسيد.

يكمن القيد في معدل نقل البيانات. ينتج المشغلون المهرة عن بُعد ما يقارب 5 إلى 50 حلقة في الساعة، وذلك بحسب تعقيد المهمة، وتتدهور جودة البيانات عند إرهاق المشغلين. كما أن التشغيل عن بُعد لا يتطور ليُتيح استعادة البيانات في حال حدوث أعطال دون تصميم بروتوكول مدروس: فإذا نجح المشغلون دائمًا، فلن تتعلم السياسة كيفية التعافي من الاضطرابات.

نقل من سيم إلى ريال

تتيح برامج محاكاة الفيزياء (مثل MuJoCo وNVIDIA Isaac Sim وIsaac Lab وPyBullet) للباحثين إنشاء ملايين من سيناريوهات الروبوت بتكلفة هامشية شبه معدومة. إذ يمكن لمجموعة واحدة من وحدات معالجة الرسومات (GPU) تشغيل آلاف عمليات المحاكاة المتوازية خلال ليلة واحدة. لكن التكلفة تظهر عند التطبيق العملي: فالسياسات المُدرَّبة في المحاكاة غالبًا ما تفشل عند مواجهة ديناميكيات التلامس في العالم الحقيقي، وتشويش المستشعرات، والتغيرات البصرية التي لم تُحاكِها المحاكاة بدقة. ويُعدّ سدّ هذه الفجوة بين المحاكاة والواقع مجالًا بحثيًا نشطًا.

الفيديو عبر الإنترنت والمراقبة السلبية

تُوفّر نماذج الرؤية واللغة الكبيرة، المُدرّبة مُسبقًا على مقاطع فيديو الإنترنت، فهمًا عامًا للمشهد يُساعد في تحديد المهام. تستخدم بنية pi0 الخاصة بشركة Physical Intelligence، وتصاميم VLA المُشابهة، التدريب المُسبق على الفيديو لتعزيز مهارات التلاعب قبل ضبطها بدقة على عروض توضيحية للروبوت. يكمن القيد في أن الفيديو لا يُوفّر أي تصنيفات للحركة: يُظهر الفيديو يدًا تمسك بجسم ما، لكنه لا يُسجّل القوة المُطبّقة أو زوايا مفاصل ذراع روبوت مُكافئ. يُمكن لنماذج الديناميكا العكسية استنتاج الحركات جزئيًا من الفيديو، لكن التصنيفات الزائفة الناتجة تحمل تشويشًا.

أجهزة وبروتوكولات التشغيل عن بعد

يؤثر اختيار واجهة التشغيل عن بُعد على جودة البيانات وسرعة جمعها. فيما يلي الأنظمة الأكثر استخدامًا في البرامج البحثية والتجارية للفترة 2025-2026.

أذرع القائد والتابع: ألوها وألوها المتنقلة

طُوّر نظام ALOHA (نظام أجهزة مفتوح المصدر منخفض التكلفة للتحكم عن بُعد ثنائي اليدين) في جامعة ستانفورد، ويستخدم ذراعين رئيسيين غير مكلفين يُحرّكهما المُشغّل يدويًا، بينما يقوم ذراعان تابعان مُطابقان على الروبوت بمحاكاة الحركة في الوقت الفعلي. يُمكّن التصميم ثنائي اليدين من أداء مهام تتطلب استخدام كلتا اليدين، وهو ما لا تستطيع أنظمة الذراع الواحدة القيام به. يُوسّع نظام Mobile ALOHA نطاق المنصة ليشمل قاعدة متحركة. وقد حسّن الإصدار ALOHA 2، الذي طُرح عام 2024، دقة تتبع المفاصل وبيئة العمل المُريحة للمُشغّل. تقل تكلفة الأجهزة عن 20,000 دولار أمريكي للزوج (الرئيسي والتابع)، مما ساهم في انتشاره في عشرات المختبرات الأكاديمية.

واجهات مثبتة على المعصم: UMI

تُركّب واجهة التلاعب الشاملة (UMI)، المُطوّرة من ستانفورد وكولومبيا، كاميرا عين السمكة وجهاز تشفير على ذراع قابضة يدوية. يقوم المُشغّل بتوضيح المهمة عمليًا في البيئة المحيطة بينما تُسجّل الذراع القابضة وضعية الطرف النهائي وحالة الإمساك. تفصل واجهة UMI عملية جمع البيانات عن الروبوت: إذ يُمكن جمع العروض التوضيحية ميدانيًا وإعادة توجيهها لاحقًا إلى نماذج روبوتية مختلفة. وهذا ما يجعلها مفيدة بشكل خاص لجمع بيانات التلاعب في بيئات واقعية خارج المختبر.

الواقع الافتراضي وشاشات العرض المثبتة على الرأس

يجري استكشاف كل من Apple Vision Pro وMeta Quest 3 كواجهات للتحكم عن بُعد. تكمن جاذبيتهما في تتبع حركة اليد بست درجات حرية لكل يد مع تحكم بديهي للمشغل. أما التحدي الهندسي فيكمن في إعادة توجيه الحركة: إذ يجب أن تتوافق حركية اليد البشرية (خمسة أصابع، 27 مفصلاً) مع أوامر أداة الروبوت النهائية (عادةً ما تكون ماسكات بدرجة حرية واحدة أو أيادٍ ماهرة بـ 12-16 درجة حرية). وبدون إعادة توجيه دقيقة، تحتوي العروض التوضيحية المسجلة على نوايا المشغل فقط، دون تنفيذ إجراءات الروبوت بشكل مباشر.

الهيكل الخارجي والتقاط الجسم بالكامل

بالنسبة للروبوتات الشبيهة بالبشر التي تحتاج إلى بيانات حركة الجسم بالكامل (بما في ذلك الحركة مع المناولة)، تستخدم بدلات الهيكل الخارجي لالتقاط بيانات الحركة الكاملة للجسم بمعدلات أخذ عينات تزيد عن 100 هرتز. يستخدم روبوت AgiBot نهجًا قائمًا على الهيكل الخارجي لجمع بيانات المناولة للروبوتات الشبيهة بالبشر لمجموعة بيانات AgiBot World الخاصة به. وبالمثل، يعتمد نظام التشغيل عن بُعد Fourier GR-1 على جهاز التقاط بيانات قابل للارتداء يتناسب مع تكوين مفاصل الروبوت.

أساطيل تجارية كبيرة الحجم

تُشغّل شركة Figure AI أسطولًا خاصًا بها للتحكم عن بُعد في جميع مصانع BMW التابعة لها. ويُعدّ نموذج "عجلة البيانات"، الذي يجمع فيه كل روبوت مُنتشر حلقات جديدة تُغذّي التدريب، عنصرًا أساسيًا في استراتيجية تطوير Tesla Optimus. وتُراكم هذه الأنظمة ذات الحلقة المغلقة بيانات صناعية بمعدل يفوق قدرة مجموعات البيانات الأكاديمية المفتوحة على مُضاهاته.

مقارنة منصات التشغيل عن بعد

ملاحظة: أرقام الإنتاجية هي نطاقات تقريبية مستمدة من الأبحاث المنشورة وتقارير الباحثين. وتؤثر مهارة المشغل الفردية ومدى تعقيد المهمة بشكل كبير على النتائج.

مجموعات البيانات العامة: Open X-Embodiment، DROID، BridgeData، RoboSet، RH20T، AgiBot World

لقد توسع نظام البيانات المفتوحة بسرعة منذ عام 2022. فيما يلي نظرة عامة على أكثر المجموعات استشهادًا حتى أوائل عام 2026.

التجسيد المفتوح X (OXE) و RT-X

تم تجميع قاعدة بيانات OXE بواسطة جوجل ديب مايند بالتعاون مع 33 مؤسسة، وتضم أكثر من مليون حلقة عبر أكثر من 22 نوعًا من الروبوتات. وقد أظهرت نماذج RT-X المرتبطة بها أن التدريب على بيانات التجسيدات المتعددة المجمعة يتفوق على نماذج التجسيدات الفردية في معايير التعميم. تُصدر OXE بموجب مزيج من تراخيص CC-BY و Apache 2.0، وذلك حسب المؤسسة المساهمة. ويمكن الوصول إليها عبر موقع RT-X الإلكتروني و HuggingFace.

DROID

تم جمع بيانات DROID (مجموعة بيانات تفاعل الروبوتات الموزعة) من 13 مختبرًا بحثيًا في أمريكا الشمالية باستخدام إعداد Franka Panda موحد مع واجهة تحكم عن بُعد من نوع ALOHA. تحتوي هذه البيانات على ما يقارب 76,000 مقطع فيديو لمهام متنوعة تتعلق بالتعامل مع الأجهزة المنزلية والطاولات. وبفضل توحيد الأجهزة في جميع المواقع، تُعد DROID واحدة من أنقى مجموعات بيانات التفاعل واسعة النطاق، مما يجعلها مثالية لاستنساخ السلوك وتجارب RLHF.

BridgeData V2

يحتوي برنامج BridgeData V2، من جامعة كاليفورنيا في بيركلي وجامعة ستانفورد، على ما يقارب 60,000 عرض توضيحي لمجموعة واسعة من مهام التلاعب على سطح الطاولة. يستخدم البرنامج ذراع WidowX، ويتميز بتنوع مهامه (أكثر من 70 فئة مهام مختلفة)، مما يجعله أساسًا شائعًا لضبط نماذج VLA. مُرخص بموجب رخصة CC-BY 4.0.

روبوسيت

يوفر مشروع RoboSet، الذي طوره معهد IIT دلهي بالتعاون مع جهات أخرى، بياناتٍ حول عمليات المطبخ متعددة المهام، جُمعت باستخدام روبوت Franka Panda. وتشمل هذه البيانات صور RGB-D وتعليقات لغوية لكل عملية. وقد صُمم RoboSet خصيصًا لدعم تقييم السياسات المشروطة باللغة، مما يجعله مفيدًا لاختبار تعميم اتباع التعليمات.

RH20T

RH20T (الروبوت-الإنسان 20 مهمة) هي مجموعة بيانات واسعة النطاق غنية بالمعلومات التفاعلية، تتميز بتزامن الإحساس الذاتي للروبوت، وفيديو RGB، وبيانات العمق، واللمس، والصوت. هذا التنوع في الوسائط يجعل RH20T مرجعًا للباحثين الذين يعملون على سياسات تتطلب استشعارًا تفاعليًا، وليس مجرد مراقبة بصرية.

عالم أجيبوت

مجموعة بيانات AgiBot World هي مجموعة بيانات خاصة بمعالجة الروبوتات الشبيهة بالبشر، أنتجتها شركة AgiBot الصينية المتخصصة في الروبوتات، باستخدام نظام جمع البيانات الخاص بها القائم على الهياكل الخارجية. تركز هذه المجموعة على مهام معالجة الروبوتات الشبيهة بالبشر بكامل الجسم، وتُعدّ من أوائل مجموعات البيانات واسعة النطاق التي تستهدف على وجه التحديد أشكال الروبوتات الشبيهة بالبشر على نطاق صناعي. تتوفر مجموعة بيانات AgiBot World بموجب ترخيص بحثي مفتوح للاستخدام غير التجاري.

مرجع مجموعة بيانات الذكاء الاصطناعي المجسد العامة

تم الحصول على عدد الحلقات وشروط الترخيص من أوراق البيانات والمستودعات الرسمية اعتبارًا من أوائل عام 2026. تحقق من الشروط الحالية قبل الاستخدام.

مجموعة أدوات تحويل المحاكاة إلى الواقع: Isaac Sim، وMuJoCo، وCosmos، وDomain Randomization

تُوسّع المحاكاة نطاق توليد البيانات. والسؤال العملي هو أي محاكي يجب استخدامه وكيفية سد الفجوة مع الأجهزة المادية.

موجو

لا يزال برنامج MuJoCo (ديناميكيات المفاصل المتعددة مع التلامس) المعيارَ الأمثل لأبحاث التلاعب الغني بالتلامس. يُعالج محركه الفيزيائي ديناميكيات الأجسام الصلبة، والتلامسات المرنة، والأنظمة المُشغَّلة بالأوتار بكفاءة حسابية عالية، مما يسمح بإجراء آلاف دورات التدريب المتوازية على مجموعة واحدة من وحدات معالجة الرسومات. وقد ساهم إصدار البرنامج مفتوح المصدر من قِبل Google DeepMind في عام 2022 في تسريع اعتماده بشكل ملحوظ. وتستخدم معظم معايير استنساخ السلوك الأكاديمي ومعايير RLHF بيئات MuJoCo.

محاكاة إسحاق من إنفيديا ومختبر إسحاق

يعمل برنامج Isaac Sim على منصة Omniverse من NVIDIA، ويُقدّم فيزياء مُسرّعة بواسطة وحدة معالجة الرسومات مع عرض عالي الدقة. أما Isaac Lab (المعروف سابقًا باسم OmniIsaacGymEnvs) فهو إطار عمل للتعلم المعزز مبني على Isaac Sim، ومُحسّن لتدريب السياسات المتوازية على نطاق واسع. ومن أهم مزاياه العرض الواقعي للغاية: إذ تُقلّل الصور المُتتبّعة في Isaac Sim من فجوة المجال البصري مقارنةً ببرامج العرض المُبسّطة في MuJoCo، وهو أمر بالغ الأهمية لتدريب السياسات القائمة على الرؤية الحاسوبية.

إنفيديا كوزموس

كوزموس هي منصة نموذج الأساس العالمي من إنفيديا، والتي أُعلن عنها في أواخر عام 2024. وبدلاً من محاكاة الفيزياء من المبادئ الأساسية، تُولّد كوزموس فيديوهات واقعية للغاية لتفاعلات الروبوتات والأشياء من خلال نصوص أو صور مُوجّهة، مُدرّبة على مجموعات بيانات فيديو ضخمة. ويكمن الوعد في توليد بيانات تدريب اصطناعية تبدو واقعية بما يكفي لسدّ الفجوة بين المحاكاة المرئية والواقع دون الحاجة إلى عشوائية يدوية للمجال. وبحلول أوائل عام 2026، بدأت العديد من مختبرات تعلّم الروبوتات باستكشاف كوزموس كطبقة لتوسيع البيانات فوق العروض التوضيحية الحقيقية.

تقنية التوزيع الغاوسي وإعادة بناء المشهد

تُعيد تقنية التوزيع الغاوسي ثلاثي الأبعاد بناء مشاهد واقعية للغاية من مجموعة صغيرة من صور RGB في دقائق معدودة بدلاً من ساعات. بالنسبة لتدريب الروبوتات، يعني هذا أن المختبر يستطيع مسح بيئة عمل جديدة، وإعادة بناء مشهد غاوسي، وتوليد وجهات نظر أو تكوينات جديدة للأجسام لزيادة البيانات، دون الحاجة إلى مُحاكي فيزيائي على الإطلاق. ويجري دمج هذا النهج في العديد من مسارات تحويل المحاكاة إلى واقع كأداة منخفضة التكلفة لتنويع المجال البصري.

التوزيع العشوائي للمجالات وتحديد النظام

تُجري عملية التوزيع العشوائي للمجال تغييرات عشوائية على معلمات المحاكاة (مثل نسيج الأجسام، وظروف الإضاءة، ومعاملات الاحتكاك، وصلابة مفاصل الروبوت) أثناء التدريب، مما يُجبر النظام على التكيف مع التغيرات بدلاً من الاقتصار على تكوين محاكاة واحد. أما عملية تحديد النظام فتعتمد نهجًا مكملاً: إذ تقيس بدقة المعلمات الفيزيائية الحقيقية للروبوت (الكتلة، والقصور الذاتي، ومرونة المفاصل) وتستخدم هذه القيم في المحاكاة لتقليل الفجوة قبل التوزيع العشوائي.

يطبق التعلم المنهجي العشوائية بشكل تدريجي. تبدأ السياسة بالتدريب في بيئة محاكاة دقيقة وواضحة، ثم تواجه تدريجياً المزيد من التباين مع تحسن الأداء. غالباً ما يتقارب هذا النهج المرحلي بشكل أسرع من تطبيق العشوائية الكاملة منذ البداية.

المفاضلة بين جودة البيانات وكميتها

لا يعني توفر المزيد من البيانات بالضرورة تحسن الأداء. فتركيبة مجموعة البيانات هي التي تحدد ما يمكن للسياسة المدربة فعله وما لا يمكنها فعله.

يُعدّ تنوّع المهام أهم من عدد الحلقات عندما يكون الهدف هو وضع سياسة عامة. فمجموعة بيانات تضم 100,000 حلقة من مهمة الالتقاط والوضع نفسها تُنتج سياسة متخصصة. بينما يمكن لمجموعة بيانات تضم 10,000 حلقة موزعة على 50 نوعًا من المهام أن تُنتج سياسة قابلة للتطبيق على مهام جديدة بعد ضبطها بدقة باستخدام عدد قليل من الأمثلة.

يُعدّ تنوّع التجسيدات أمرًا بالغ الأهمية لنقل المعرفة بين الروبوتات. وتكمن قيمة OXE تحديدًا في قدرتها على استيعاب أنواع الأذرع، والمنصات المتحركة، والأيدي الماهرة. وعادةً ما تتفوق السياسة المُدرّبة مسبقًا على OXE والمُحسّنة على روبوت جديد على تلك المُدرّبة من الصفر على بيانات الروبوت الجديد نفسه فقط، وهي نتيجة ثابتة في العديد من الدراسات المنشورة.

لا تحظى مدة الحلقة واستعادة النظام بعد الأعطال بالتقدير الكافي. فمجموعات البيانات التي يجمعها مشغلو أنظمة التحكم عن بُعد المهرة، والذين نادرًا ما يفشلون، تُنتج سياسات لا تعرف كيفية التعافي من الاضطرابات. إن إدخال حالات الفشل عمدًا، وإثبات إمكانية التعافي، يُحسّن بشكل كبير من مرونة النظام في الواقع العملي. وتستخدم بعض المختبرات اضطرابات معادية أثناء جلسات التحكم عن بُعد لتوليد هذه البيانات.

وفقًا لملاحظات الصناعة الواردة في تقارير مختبرات تعلم الروبوتات المتعددة خلال عامي 2024 و2025، تنخفض القيمة الحدية للحلقات الإضافية انخفاضًا حادًا بمجرد أن تغطي مجموعة البيانات مهمةً ما بحوالي 500 إلى 1,000 عرض توضيحي، بينما تظل القيمة الحدية لأنواع المهام الجديدة مرتفعة حتى آلاف المهام المختلفة. يأخذ نظام EVST هذا الأمر في الحسبان عند هيكلة خلايا جمع البيانات التجريبية، حيث يعطي الأولوية لنطاق المهام على حساب تراكم الحلقات المتكررة.

اعتبارات البيانات الصناعية

يفرض جمع بيانات المصانع متطلبات لا تعالجها عادةً أنظمة التشغيل عن بعد الأكاديمية.

يُعدّ التسجيل الحتمي الشرط الأساسي. ففي خلية الإنتاج، يجب أن يكون الطابع الزمني لقراءة مُشفّر المفاصل قابلاً للتتبع إلى مرجع الساعة بدقة تصل إلى أجزاء من الألف من الثانية. يوفر نظام التحكم EtherCAT بتردد 1 كيلوهرتز، وهو معيار في الروبوتات الصناعية (بما في ذلك تلك الموجودة في مجموعة EVST)، أساس التوقيت الحتمي الذي يجعل مزامنة أجهزة الاستشعار المتعددة أمرًا ممكنًا. يُولّد النظام الذي يعمل بتردد 1 كيلوهرتز 1,000 عينة لحالة المفاصل في الثانية لكل محور؛ ويتطلب محاذاة هذا التدفق مع إطارات الكاميرا بمعدل 30-60 إطارًا في الثانية وبيانات القوة والعزم بمعدل 500 هرتز بنيةً مُحكمةً لتسجيل الطوابع الزمنية على مستوى الأجهزة، وليس التخزين المؤقت البرمجي.

تُعدّ ملصقات السلامة ضرورية عند وقوع حوادث وشيكة، أو تفعيل زر الإيقاف الطارئ، أو تجاوز حدود القوة. هذه الملصقات ضرورية لضمان الامتثال ولبرامج التدريب التي تُراعي حالات السلامة. تُسهّل وحدات التحكم الصناعية التي تُسجّل أسباب الإيقاف الطارئ وتجاوزات عزم الدوران على مستوى الأجهزة عملية وضع هذه الملصقات.

يربط نظام التعليق الزمني للدورة حلقات الروبوت بنتائج التصنيع. فمعرفة أن الحلقة 4,712 أنجزت مهمة التجميع في 8.3 ثانية دون أي علامات جودة، يربط بيانات تعلم الروبوت بنظام إدارة عمليات التصنيع (MES) ويتيح اختيار عروض توضيحية عالية الجودة للتدريب.

تُعدّ البيانات الوصفية المرتبطة بنظام إدارة عمليات التصنيع (MES) بمثابة حلقة الوصل. فعندما يقوم نظام تسجيل بيانات الروبوت بكتابة ملفات الحلقات التي تتضمن معرّفات مهام نظام إدارة عمليات التصنيع، وأنواع الأجزاء، ونتائج الجودة، يُمكن تصفية مجموعة البيانات الناتجة برمجيًا. ويمكن استبعاد الحلقات المرتبطة بإعادة العمل، أو الخردة، أو تجاوز المشغل، أو اعتبارها أمثلة على حالات الفشل.

عمليًا، عند تحديث خلية تجريبية لجمع البيانات، لا تكمن المشكلة الرئيسية في قدرة الروبوت على التسجيل، بل في بنية شبكة الخلية. فقطاعات إيثرنت الصناعية المصممة للتواصل بين وحدة التحكم المنطقية القابلة للبرمجة (PLC) والروبوت بترددات أقل من كيلوهرتز، لا تتناسب دائمًا مع عرض النطاق الترددي اللازم لتسجيل فيديو متواصل من كاميرات متعددة بالإضافة إلى بيانات الاستشعار الذاتي. على سبيل المثال، تُنتج خلية تعمل بكاميرتين بدقة 1080 بكسل بمعدل 30 إطارًا في الثانية، بالإضافة إلى بيانات القوة على المحاور الستة وبيانات حالة المفاصل، ما يقارب 150-300 ميجابايت من بيانات الحلقة الخام في الدقيقة الواحدة. لذا، يُجنّب التخطيط المسبق لبنية التخزين والشبكة قبل النشر تكاليف التحديث اللاحقة.

وضع العلامات على خطوط الأنابيب والأدوات

التسجيلات الخام للحلقات ليست جاهزة للتدريب. فهي تحتاج إلى تعليقات لغوية، وأقنعة تجزئة الكائنات، وفي بعض الحالات إلى تصنيفات المكافآت.

شرح اللغة

تحتاج نماذج التعلم الآلي المرئي المعتمدة على اللغة إلى وصف بلغة طبيعية لمهمة كل حلقة. بالنسبة لمجموعات البيانات الصغيرة، يتم ذلك يدويًا؛ أما بالنسبة لمجموعات البيانات التي تتجاوز 10,000 حلقة، فيصبح من الضروري استخدام التعليق التلقائي باستخدام نماذج اللغة المرئية (مثل GPT-4V أو Gemini أو نماذج التعليق المتخصصة). تتطلب مراقبة الجودة مراجعة بشرية لعينة من البيانات لاكتشاف الأخطاء المنهجية في نظام التعليق التلقائي.

تجزئة وتتبع الكائنات

تستفيد السياسات التي تعتمد على تحليل حالة الكائن من أقنعة التجزئة لكل حلقة، والتي تحدد الكائنات المُعالجة. يُسهّل نموذج تجزئة أي شيء (SAM 2) من شركة Meta عملية التجزئة التفاعلية على نطاق واسع من مجموعات البيانات، مما يقلل وقت إضافة التعليقات التوضيحية من ساعات إلى دقائق لكل حلقة عند دمجه مع تمريرة تتبع الانتشار.

تشكيل المكافآت لـ RLHF

عندما تتضمن الحلقات عروضًا توضيحية للنجاح والفشل، يُمكّن تصنيف المكافآت من تحسين التعلم المعزز من خلال التغذية الراجعة البشرية (RLHF). يقوم المُعلّقون البشريون بترتيب نتائج الحلقات، وتُستخدم هذه التفضيلات لتدريب نموذج المكافآت الذي يُؤثر على تحديثات السياسة. تُستخدم هذه الآلية في تطوير pi0 من قِبل Physical Intelligence، ويجري استكشافها لتدريب المهام الصناعية حيث تتوفر بالفعل تصنيفات النجاح/الفشل الثنائية من نظام تنفيذ التصنيع (MES).

الخصوصية، والملكية الفكرية، وترخيص مجموعات البيانات

تثير المساهمات في مجموعات البيانات المفتوحة تساؤلات حول الملكية الفكرية التي تحتاج الشركات المصنعة للمعدات الأصلية الصناعية إلى حلها قبل المشاركة.

تتضمن فئات التراخيص الرئيسية المستخدمة: CC-BY (يشترط ذكر المصدر، ويُسمح بالاستخدام التجاري)، وCC-BY-NC (للاستخدام غير التجاري فقط)، وApache 2.0 (متساهل، ويشمل الاستخدام التجاري وإعادة توزيع أوزان النموذج). ولا تتم مشاركة مجموعات البيانات الخاصة (Tesla Optimus، وبيانات أسطول Figure، وBoston Dynamics) مع جهات خارجية.

بالنسبة لمصنعي المعدات الأصلية، يكمن القلق بشأن الملكية الفكرية في كشف تفاصيل العمليات: فقد يكشف مقطع فيديو يُظهر تكوينًا محددًا للتثبيت، أو مسار أداة، أو تصميمًا للتجهيزات، عن أساليب تصنيع خاصة. ويتمثل الحل القياسي في تجريد السياق المرئي إلى مستوى أداة التنفيذ النهائية، أو تقديم تدفقات مسار المفاصل فقط (بدون بيانات الكاميرا)، أو استخدام عروض اصطناعية لمسار المعالجة على خلفية عامة. وتقدم العديد من نماذج التكتلات الناشئة أطرًا قانونية للمساهمة في البيانات الصناعية المجهولة المصدر بموجب اتفاقيات عدم إفصاح متبادلة مقترنة بتراخيص بيانات Apache 2.0.

بحسب تحليل أجراه مركز ستانفورد لأبحاث إدارة القوى العاملة (CRFM) بالتعاون مع جهات أخرى في استطلاع تعلم الروبوتات لعام 2024، تُمثل قواعد البيانات المنعزلة أكبر عائق هيكلي أمام تقدم الذكاء الاصطناعي المُجسد بما يتجاوز المعايير الحالية. وستكون الشركات المصنعة للمعدات الأصلية الصناعية التي تُطور أطر حوكمة البيانات الداخلية في وضعٍ يسمح لها بالمشاركة في اتحادات مجموعات البيانات مع إضفاء الطابع الرسمي على هذه البرامج خلال الـ 18 إلى 24 شهرًا القادمة.

كيف يمكن لمصنعي المعدات الأصلية المساهمة بالبيانات

يقع موردو أنظمة الأتمتة الصناعية (بما في ذلك FANUC وABB وKUKA، وشركات تكامل الأنظمة الجاهزة المعتمدة مثل EVST) عند نقطة التقاء أجهزة الروبوتات وبيئات الإنتاج الحقيقية. وهذا الموقع يجعلهم مساهمين طبيعيين في منظومة بيانات الذكاء الاصطناعي المتجسدة، شريطة وجود الإطار التشغيلي والقانوني اللازم.

خلايا تجريبية مزودة بطبقة تحكم عن بعد

أسهل طريقة للبدء هي استخدام خلية تجريبية حيث يُجهز روبوت الإنتاج بذراع تحكم عن بُعد: ذراع قائد-تابع يستخدمه المشغل لعرض تنويعات مهمة الإنتاج. تُجمع هذه العروض التوضيحية بكميات قليلة (50-500 عرض) وهي كافية لضبط نموذج VLA المدرب مسبقًا بدقة على مهمة الإنتاج المحددة. لا يتطلب استخدام الخلية التجريبية أي تغييرات في شهادة السلامة الخاصة بخلية الإنتاج لأن نظام التحكم عن بُعد يعمل كجهاز إدخال لوحدة تحكم الروبوت، وليس كمسار تحكم موازٍ.

تحديث تسجيل البيانات على روبوتات الإنتاج

يمكن تحديث روبوتات الإنتاج الحالية بوحدات تسجيل بيانات خفيفة الوزن، تُسجل حالة المفاصل، ووضعية أداة النهاية، وقوة القبضة بمعدلات EtherCAT، وتكتب ملفات الأحداث المُؤرَّخة إلى خادم طرفي أثناء عمليات الإنتاج. لا يتطلب هذا أي تغيير في برنامج التحكم الخاص بالروبوت. تُسجل البيانات سلوكيات المناولة الفعلية في الإنتاج، وهو ما يُمثل المهمة بشكل أفضل من العروض التوضيحية في المختبر. توفر وحدات التحكم الصناعية من EVST، التي تعمل بتردد دورة EtherCAT يبلغ 1 كيلو هرتز والمُعتمدة وفقًا لمعايير CE/SGS/TUV، بنية التوقيت الحتمية التي يعتمد عليها هذا النهج في التسجيل. يمكن تنظيف البيانات وإخفاء هوية أصحابها وتنسيقها لتتوافق مع أُطر تعلم الروبوت القياسية دون الحاجة إلى إعادة دمج مُكلفة.

المشاركة في برنامج مجموعة البيانات المجهولة

تقبل برامج مجموعات بيانات الشركات المصنعة الأصلية الناشئة (بما في ذلك مسار المساهمة المفتوحة في AgiBot World والعديد من مناقشات التحالف في مؤتمر ICRA 2025) بيانات المعالجة الصناعية بعد إزالة بيانات التعريف الشخصية. وتمتلك الشركات المصنعة الأصلية الحاصلة على شهادة IATF16949، مثل EVST، عمليات إدارة جودة قائمة تتوافق بشكل جيد مع متطلبات سلامة البيانات الوصفية التي تحددها هذه البرامج: طوابع زمنية قابلة للتتبع، وبروتوكولات جمع موثقة، وسجلات معايرة مستشعرات معتمدة.

التغطية الميدانية العالمية كميزة للبيانات

بإمكان شركة تصنيع المعدات الأصلية (OEM) التي تمتلك مهندسين ميدانيين في أكثر من 100 دولة جمع بيانات تدريب الذكاء الاصطناعي المتجسد من بيئات تصنيع متنوعة حقًا (أشكال هندسية مختلفة لقطع العمل، وظروف بيئية متباينة، وخصائص ديموغرافية مختلفة للمشغلين، واختلافات في العمليات). يُعد هذا التنوع الجغرافي ذا قيمة كبيرة لأن السياسات المُدرَّبة عليه تُعمَّم بشكل أفضل من تلك المُدرَّبة على بيانات من مختبر أو منشأة واحدة. وبفضل روبوتات EVST المعتمدة المقاومة للانفجار ومجموعة منتجاتها الكاملة التي تتراوح أوزانها بين 3 و800 كيلوغرام، يمكن توسيع نطاق جمع البيانات ليشمل بيئات مثل المعالجة الكيميائية، والتعامل مع المواد الخطرة، والتصنيع في درجات حرارة قصوى، وهي بيئات لا تغطيها معظم مجموعات البيانات الأكاديمية على الإطلاق.

أهم بيانات القطاع

بحسب تقرير الاتحاد الدولي للروبوتات (IFR) بعنوان "الروبوتات العالمية 2024"، كان هناك أكثر من 3.9 مليون روبوت صناعي قيد التشغيل عالميًا في عام 2023، ومع ذلك، فإن أكبر مجموعات بيانات معالجة الروبوتات المفتوحة لا تحتوي مجتمعةً إلا على أقل من مليوني عملية، مما يُظهر الفجوة الكبيرة بين الأجهزة المستخدمة وبيانات التدريب المتاحة. ويعالج مشروع EVST هذه المشكلة من خلال استكشاف بنى تسجيل مُعدّلة تُحوّل أساطيل الروبوتات الإنتاجية إلى أدوات سلبية لجمع البيانات.

بحسب ورقة بحثية منشورة في مشروع Open X-Embodiment (بادالكار وآخرون، جوجل ديب مايند وآخرون، 2023)، أظهرت النماذج المدربة على بيانات تجسيدات متعددة من أكثر من 22 نوعًا من الروبوتات تعميمًا أفضل بشكل ملحوظ في المهام المحجوزة مقارنةً بالنماذج المدربة على بيانات تجسيد واحد فقط. ويعالج نظام EVST هذه المشكلة من خلال هيكلة إطار تقييم البيانات الداخلي الخاص به، بحيث يوازن بين تنوع التجسيدات وعدد مرات الظهور عند تقييم فائدة مجموعة البيانات في عمليات الضبط الدقيق لخط الإنتاج.

بحسب ملاحظات من مختبرات متعددة لتعلم الروبوتات خلال عامي 2024 و2025، فإن الفجوة بين المحاكاة المرئية والواقعية تُفسر غالبية حالات فشل السياسات في مهام التلاعب التي تتضمن أجسامًا عاكسة أو شفافة، والتي لا تغطيها تقنيات التوزيع العشوائي القياسية للمجال بشكل موثوق. وتعالج EVST هذه المشكلة من خلال مراقبة أدوات المحاكاة الواقعية (وتحديدًا NVIDIA Cosmos و Gaussian Splatting) كطبقات مُحتملة لتعزيز خارطة طريق تخطيط الحركة المُعززة بالذكاء الاصطناعي.

أدلة ذات صلة

• الذكاء الاصطناعي المجسد ونماذج التعلم الآلي المصفوفي في الروبوتات الصناعية: ما يحتاج مهندسو المصانع إلى معرفته. يغطي بنية نماذج الرؤية واللغة والفعل وقيود نشرها على أجهزة الإنتاج.
• الروبوتات الشبيهة بالبشر في التصنيع الصناعي 2026. يدرس أي المهام يمكن معالجتها بالفعل بواسطة المنصات الشبيهة بالبشر مقابل الأذرع الصناعية التقليدية.
• الروبوتات الشبيهة بالبشر مقابل أذرع الروبوتات الصناعية للاستخدام في المصانع عام 2026مقارنة مباشرة بين القدرة والتكلفة وتعقيد التكامل بين عاملي الشكل.
• دليل شامل للروبوتات التعاونية: أنواعها، واختيارها، وتطبيقاتها في عام 2026. المرجع الأساسي لاختيار الروبوتات التعاونية بناءً على متطلبات الحمولة والتطبيق والبيئة.

الأسئلة الشائعة

لماذا يُعد جمع بيانات الذكاء الاصطناعي المجسد أصعب من جمع البيانات لنماذج اللغة؟

تُدرَّب نماذج اللغة على نصوص موجودة بالفعل على الإنترنت بكميات هائلة. يجب على روبوتات الذكاء الاصطناعي المُجسَّدة جمع بيانات حسية حركية مرتبطة بالحركة: زوايا المفاصل المتزامنة، وقوى القبضة، وإطارات الكاميرا، وسياق المهمة، وكلها تُسجَّل أثناء التلاعب المادي. هذه البيانات غير متوفرة على نطاق الويب، كما أن توليدها مكلف. تستغرق كل عملية تحكم عن بُعد عادةً من دقيقة إلى عشر دقائق من وقت مُشغِّل ماهر لإنتاج مسار تدريب واحد، وتتدهور الجودة إذا كان المُشغِّل غير مُلِمٍّ بديناميكيات الروبوت.

ما الفرق بين نقل البيانات من المحاكاة إلى الواقع وتوليد المجال العشوائي في تدريب الروبوت؟

يُعدّ نقل التدريب من بيئة المحاكاة إلى الواقع هدفًا رئيسيًا: تدريب نموذج محاكاة وتطبيقه على روبوت حقيقي دون أي تراجع في الأداء. وتُعتبر عشوائية المجال إحدى التقنيات المُستخدمة لتحقيق هذا الهدف، حيث تُغيّر عشوائيًا معايير المحاكاة - كالإضاءة، والتركيبات، ومعاملات الاحتكاك، وكتل الأجسام - أثناء التدريب، ما يُتيح للنموذج التعلّم من التعامل مع التباينات الواقعية بدلًا من الاعتماد المفرط على مظهر مُحاكاة واحد. وتشمل الطرق الأخرى تكييف المجال، والعرض الواقعي (كما في NVIDIA Cosmos)، وتحديد النظام.

ما هو مفهوم Open X-Embodiment وكم عدد أنواع الروبوتات التي يغطيها؟

Open X-Embodiment هي مجموعة بيانات مفتوحة واسعة النطاق لتعلم الروبوتات، جمعتها جوجل ديب مايند بالتعاون مع 33 مؤسسة بحثية. تضم المجموعة أكثر من مليون حلقة روبوتية موزعة على أكثر من 22 نموذجًا روبوتيًا، تشمل أذرعًا آلية أحادية، وأنظمة ثنائية اليد، وقواعد متحركة، وأيدٍ ماهرة. وقد أظهرت نماذج RT-X المدربة على OXE أن التدريب عبر النماذج الروبوتية المتعددة يُحسّن من تعميم السياسات مقارنةً بالنماذج أحادية النموذج.

كيف يمكن لمصنع مصنع أن يساهم ببيانات الروبوت في تدريب الذكاء الاصطناعي المجسد دون الكشف عن الملكية الفكرية للعملية الخاصة؟

يُعدّ أسلوب المساهمة بالبيانات المجهولة الهوية النهجَ الأمثل: إذ يتمّ فيه حذف البيانات الوصفية التي تُعرّف بالعملية (أرقام الأجزاء، ومراجع العملاء، وأهداف زمن الدورة) والاكتفاء بالمساهمة ببيانات مسار المفاصل وحالة الذراع فقط. تقبل العديد من برامج مجموعات البيانات - بما في ذلك AgiBot World ومبادرات اتحادات مصنعي المعدات الأصلية الناشئة - بيانات التلاعب الصناعي المجهولة الهوية بموجب شروط Apache 2.0 أو CC-BY. تضمن بنية التسجيل ذات الطوابع الزمنية المحددة لـ EtherCAT جودة البيانات بما يتوافق مع معايير استلام مجموعات البيانات.

ما هو نظام جمع بيانات التشغيل عن بعد الأنسب لمهام المعالجة الصناعية؟

في مجال المناولة الصناعية، تشمل الخيارات الرائدة نظام ALOHA 2 (أذرع ثنائية اليد، منخفضة التكلفة، مفتوحة المصدر)، ونظام UMI (مثبت على المعصم، منفصل عن الروبوت، سهل الحمل)، ونظام التقاط الحركة القائم على الهياكل الخارجية للمهام التي تتطلب حمولات أكبر أو مهامًا لكامل الجسم. وتكتسب منصات الواقع الافتراضي التي تستخدم Apple Vision Pro أو Meta Quest 3 رواجًا متزايدًا لسهولة التقاط الحركة ثنائية اليد، ولكنها تتطلب إعادة توجيه البيانات لترجمة حركات اليد البشرية إلى فضاء مفاصل الروبوت. ويعتمد الاختيار الأمثل على درجات حرية الروبوت المستهدف، والحمولة، وما إذا كانت المهمة تتطلب استخدام كلتا اليدين.

آخر تحديث: أبريل 23 ، 2026

ترى لدينا حلول الذكاء الاصطناعي المجسد →