الإجاباتمنشور17 المصادر
إطار MagicLab يتصدر MolmoSpaces وMagicBrain يحصد 94.4% في مهمة الالتقاط
أعلنت MagicLab تصدّر EchoPolicy 0 لوحة MolmoSpaces Combined بنسبة نجاح متوسطة 75.4% عبر أربع مهام، بينما حلّ MagicBrain ذو 3.4 مليارات مُعامل رابعًا بمتوسط 72.4% وسجّل 94.4% في مهمة الالتقاط.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- أعلنت MagicLab تصدّر EchoPolicy 0 لوحة MolmoSpaces Combined بنسبة نجاح متوسطة 75.4% عبر أربع مهام، بينما حلّ MagicBrain ذو 3.4 مليارات مُعامل رابعًا بمتوسط 72.4% وسجّل 94.4% في مهمة الالتقاط.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: As reported on October 14, 2026, how did MagicLab’s EchoPolicy-0 and its in-house 3.4-billion-parameter MagicBrain perform on AI2’s MolmoSpa. Article summary: MagicLab reported EchoPolicy-0 first on AI2’s MolmoSpaces Combined leaderboard at a 75.4% equal-weighted success rate, while its 3.4-billion-parameter MagicBrain reportedly ranked fourth at 72.4%, including 94.4% on Pick. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
أعلنت MagicLab أن إطارها EchoPolicy-0 للروبوتات حلّ أولًا في لوحة MolmoSpaces Combined التابعة لمعهد ألن للذكاء الاصطناعي (AI2)، مسجلًا نسبة نجاح متوسطة قدرها 75.4% عبر أربع مهام. أما MagicBrain، وهو إطار الشركة ذو 3.4 مليارات مُعامل، فجاء رابعًا بمتوسط 72.4%، مع نسبة نجاح بلغت 94.4% في مهمة الالتقاط. هذه نتائج معيار اختباري، ولا تكفي وحدها لإثبات الأداء في الاستخدام الواقعي.1
18
كيف جاءت نتائج النظامين؟
يشمل متوسط EchoPolicy-0 أربع مهام في الإصدار الأول من MolmoSpaces: الالتقاط، والالتقاط ثم الوضع، والفتح، والإغلاق. وتقول MagicLab إن الإطار تصدّر لوحة Combined.1 وذكر Pandaily أن احتساب متوسط نتائج لوحة AI2 المنشورة يعطي نحو 75.5%؛ وهو رقم قريب من نسبة 75.4% التي أعلنتها الشركة، مع اختلاف طفيف في طريقة عرض المتوسط. لذلك نورد هنا النسبة المعلنة من الشركة.
41
أما MagicBrain، فحلّ رابعًا في المجموعة نفسها بمتوسط 72.4%، وسجّل 94.4% في مهمة الالتقاط.18 وهذه النسبة تخص مهمة واحدة، ولا تمثل متوسط أداء النظام في المهام الأربع.
| النظام | النتيجة المعلنة في لوحة Combined | التفصيل الأبرز |
|---|---|---|
| EchoPolicy-0 | 75.4%، المركز الأول | متوسط متساوي الوزن لمهام الالتقاط، والالتقاط ثم الوضع، والفتح، والإغلاق |
| MagicBrain | 72.4%، المركز الرابع | 94.4% في مهمة الالتقاط |
ما الذي يقيسه MolmoSpaces؟
MolmoSpaces معيار للذكاء الاصطناعي المتجسّد من AI2، ويختبر قدرة الأنظمة على تنفيذ مهام تلاعب بالأشياء وفق تعليمات وفي مشاهد محددة. ويضم بيئة اختبار واسعة تتجاوز 230 ألف بيئة داخلية ونحو 130 ألف أصل من الأجسام.1
ووصفه بأنه معيار «صفرّي اللقطات» يعني، بصورة عامة، اختبار قدرة النظام على التعامل مع مهام أو مشاهد التقييم من دون تدريب مخصص عليها. أما أعداد البيئات والأجسام فتصف نطاق المعيار، لا عدد المحاولات التي استندت إليها هذه النتائج.
تساعد نتائج اللوحة على مقارنة الأنظمة ضمن تقييم مشترك، لكنها لا توضح وحدها مدى موثوقية الروبوت في موقع عمل فعلي أو في ظروف تشغيل مختلفة.
EchoPolicy-0: ربط الرؤية بالتخطيط والتنفيذ
تصف MagicLab إطار EchoPolicy-0 بأنه يجمع نموذجًا للرؤية واللغة، وأدوات هندسية للتعامل مع الأشياء، وسياسة عامة لاختيار الأفعال. ووفق وصف الشركة، يربط النظام بين مشاهدة المشهد وفهم التعليمات، واختيار الفعل وتنفيذه، ثم التحقق من النتيجة.18
ويتضمن النهج استخدام التوجيه البصري للمفاضلة بين أفعال محتملة: يقترح نموذج الحركة خيارات، ثم يستعين النظام بفهمه للهدف لاختيار الأنسب. كما توضح وثائق التقييم أن التحقق البصري قد يساعد في تحديد ما إذا كان التنفيذ سيستمر أو سيُعاد أو سينتقل إلى مسار بديل.18
20 وبذلك لا يقتصر الإطار على إصدار أمر حركة واحد، بل يضيف خطوة لمراجعة ما حدث بعد التنفيذ.
MagicBrain: اختيار الهدف قبل تحريك الذراع
يسلك MagicBrain مسارًا مختلفًا، إذ يستخدم التوجيه البصري ضمن السياق للمساعدة في تحديد الجسم المقصود من التعليمات. هنا يساعد التعرف البصري على توجيه نموذج الحركة، مع الفصل بين تحديد «ما الذي ينبغي التعامل معه؟» و«كيف ينبغي التحرك؟».19
33
وذكر تحليل أبلغت عنه MagicLab أن اختيار الجسم الخطأ، لا عدم استقرار الحركة، كان سببًا شائعًا لفشل الالتقاط في الحالات التي درستها الشركة.30 وهذا يسلط الضوء على أهمية ربط التعليمات بهدفها بصريًا: فقد تنفّذ الذراع حركة دقيقة، لكنها تظل فاشلة إذا أمسكت بالجسم غير المقصود. وتظل هذه ملاحظة عن الحالات التي تناولها التحليل، لا قاعدة عامة تفسر جميع إخفاقات الالتقاط.
ما الذي تثبته النتائج؟
يعكس النظامان تركيزًا على وصل فهم التعليمات والتعرف البصري على الهدف بالفعل الحركي. كما أشارت MagicLab Studio إلى تفضيلها للهندسة المعمارية متعددة الطبقات، وعدّت اتباع التعليمات تحديًا في المهام العامة.33
تبيّن النتائج أداء النظامين في مهام MolmoSpaces، لكنها لا تثبت وحدها موثوقيتهما في العالم الحقيقي أو جاهزيتهما التجارية؛ فالنجاح في معيار اختباري لا يضمن انتقال الأداء نفسه إلى ظروف مادية أو بيئات تشغيل مختلفة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "إطار MagicLab يتصدر MolmoSpaces وMagicBrain يحصد 94.4% في مهمة الالتقاط"؟
أعلنت MagicLab تصدّر EchoPolicy 0 لوحة MolmoSpaces Combined بنسبة نجاح متوسطة 75.4% عبر أربع مهام، بينما حلّ MagicBrain ذو 3.4 مليارات مُعامل رابعًا بمتوسط 72.4% وسجّل 94.4% في مهمة الالتقاط.