الإجاباتمنشور16 المصادر
كيف يغيّر إطار HOST طريقة تدريب الروبوتات القادرة على التعلّم من البيئة
حقق HOST، وفقاً للتقييم المنشور، متوسط نجاح بلغ 62% بعد عرض بشري واحد مدته 29 ثانية، مقابل 38% لخط أساس جرى ضبطه باستخدام نحو 50 عرضاً روبوتياً وأربع ساعات من التدريب. لا ينسخ الإطار حركات الإنسان حرفياً ولا يحدّث أوزان النموذج؛ بل يتنبأ بنتيجة المهمة من منظور الروبوت ثم يولّد الأفعال اللازمة للوصول إليها.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- حقق HOST، وفقاً للتقييم المنشور، متوسط نجاح بلغ 62% بعد عرض بشري واحد مدته 29 ثانية، مقابل 38% لخط أساس جرى ضبطه باستخدام نحو 50 عرضاً روبوتياً وأربع ساعات من التدريب.
- لا ينسخ الإطار حركات الإنسان حرفياً ولا يحدّث أوزان النموذج؛ بل يتنبأ بنتيجة المهمة من منظور الروبوت ثم يولّد الأفعال اللازمة للوصول إليها.
- قد يدفع هذا النهج الذكاء الاصطناعي المتجسّد نحو نماذج تتكيف لحظة التنفيذ، ما يقلل الحاجة إلى التشغيل عن بُعد وجمع بيانات جديدة لكل مهمة.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How does X Square Robot’s open-sourced HOST framework change embodied-AI training by enabling a humanoid robot to watch a 29-second human de. Article summary: HOST’s important shift is from task-specific retraining to inference-time skill acquisition: rather than gathering a new teleoperation dataset and updating model weights, the robot conditions on one human video, translat. Topic tags: general, general web, user generated, academic. 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, char
الفكرة الأهم في إطار HOST، وهو اختصار لعبارة Human-to-robot One-Shot Skill AcquisiTion، ليست أن الروبوت أتقن فجأة الأعمال المنزلية. الجديد هو التعامل مع المهارة الجسدية الجديدة كما لو كانت «تعليمة» أو سياقاً مؤقتاً: يشاهد الروبوت عرضاً بشرياً واحداً، ويفسر النتيجة المقصودة وفق جسمه وكاميراته، ثم يحاول تنفيذ المهمة من دون تعديل أوزان النموذج الأساسي. 18
34
في التقييم الذي أُعلن عنه، استغرق عرض المهارة 29 ثانية في المتوسط، وحقق النظام معدل نجاح بلغ 62%. أما المقارنة المعتمدة على نظام Pi-0.5، فبلغت 38% بعد نحو 50 عرضاً من الروبوت وأربع ساعات من الضبط الدقيق. هذه الأرقام ناتجة عن الإعداد التجريبي الذي استخدمه الباحثون، ولا ينبغي اعتبارها دليلاً على موثوقية جاهزة للاستخدام التجاري أو المنزلي. 18
34
من إعادة التدريب إلى التكيف وقت التنفيذ
تتطلب أساليب التعلم بالتقليد التقليدية عادةً جمع عروض جديدة لكل مهمة، ثم إجراء تحسين أو ضبط دقيق للنموذج. وتستهلك هذه الدورة وقتاً في تشغيل الروبوت عن بُعد، وتشغل الأجهزة، وقد تجعل الحفاظ على المهارات السابقة أكثر صعوبة.
ينقل HOST عملية التكيف إلى مرحلة مختلفة. فالنموذج المدرَّب مسبقاً يبقى ثابتاً، بينما يتحول فيديو العرض إلى سياق خاص بالمهمة يُقدَّم وقت التنفيذ. وهذا أقرب إلى التعلم داخل السياق منه إلى تعليم النموذج سلوكاً دائماً عبر تحديثات تعتمد على التدرجات. وقد بحثت أعمال سابقة في تعلم الروبوتات إمكانية تكييف السلوك من خلال سياق الملاحظات والأفعال، من دون تغيير أوزان النموذج. 20
عملياً، قد يختصر هذا النهج المسافة بين «أرِ الروبوت ما يجب فعله» و«دع الروبوت يحاول». لكن الروبوت لا يتعلم كل القوانين الفيزيائية من الصفر خلال 29 ثانية. والوصف الأدق هو أنه يستخدم قاعدة مهارات واسعة اكتسبها مسبقاً، ثم يوظف فيديو واحداً لاختيار المهمة الجديدة وربطها ببيئته وتنفيذها.
لماذا لا ينسخ HOST الإنسان ببساطة؟
لا يمتلك الإنسان والروبوت زاوية الكاميرا نفسها، أو شكل اليد، أو المفاصل، أو مدى الوصول، أو سرعة الحركة. لذلك فإن نقل الصورة أو مسارات المفاصل مباشرةً سيكون عرضة للأخطاء.
بدلاً من ذلك، يعتمد HOST على سلسلة من التنبؤات المرتبطة بمنظور الروبوت. يبدأ الإطار بتقدير تقدم المهمة المعروضة، ثم يتنبأ بما ستبدو عليه المراحل التالية من وجهة نظر الروبوت، وأخيراً يستخلص الأفعال من تلك الملاحظات المتوقعة. 18
وتعالج مكونات الإطار المعلنة أجزاء مختلفة من مشكلة التحويل بين الإنسان والروبوت:
- الرؤية: تفسر المهمة المعروضة والنتيجة المقصودة ضمن إطار إدراكي يتمحور حول الروبوت.
- توليد الأفعال: يحوّل النتيجة المتوقعة إلى سلوك روبوتي قابل للتنفيذ.
- المواءمة الزمنية الديناميكية (DTW): تساعد في محاذاة المراحل المتناظرة عندما ينفذ الإنسان والروبوت المهمة بسرعتين مختلفتين.
وهنا تكمن أهمية الفكرة: ليس مطلوباً من الروبوت إعادة إنتاج ميكانيكا جسم الإنسان بدقة، بل استنتاج تسلسل التغيرات المهمة في حالة الأشياء، ثم إيجاد طريقه الخاص لإحداثها.
محاكاة واسعة، وتخصيص سريع في العالم الحقيقي
يعكس تصميم HOST أيضاً تصوراً موجهاً بالغاية للتقليد. فالمراقب لا يكتفي برؤية الحركة، بل يحاول معرفة ما الذي يُفترض أن تحققه، ثم يختار خطة حركية تناسب جسمه هو. وهذا يختلف عن اعتبار العرض مساراً حركياً ينبغي تكراره إطاراً بعد إطار.
يمكن للمحاكاة والتدريب المسبق واسع النطاق توفير تنوع عام قبل تشغيل الروبوت في الواقع، بينما يقدم الفيديو القصير المعلومات الخاصة بالمهمة التي يفتقدها الروبوت في تلك اللحظة. ويشير هذا التقسيم إلى وصفة محتملة للذكاء الاصطناعي المتجسّد: تعلّم قواعد عامة للحركة والسلوك مسبقاً، ثم تخصيصها بسرعة عبر السياق أثناء التنفيذ.
وينسجم هذا الاتجاه مع التوسع في مجموعات بيانات الروبوتات المفتوحة والنماذج الأساسية التي تُدرَّب عبر أجسام روبوتية متعددة، بحيث يمكن نقل الخبرة بين منصات مختلفة. 25
لماذا يهم نشر HOST كمصدر مفتوح؟
يجعل نشر X Square Robot للإطار من السهل على الباحثين والمطورين فحص النهج وإعادة إنتاجه واختباره. كما تتيح التطبيقات المفتوحة معرفة مدى نجاح نقل الفيديو إلى أفعال عبر كاميرات وأذرع وبيئات ومهام مختلفة، بدلاً من بقاء الادعاء محصوراً في عرض تجريبي خاص.
وأتاحت الشركة أيضاً شيفرات وأدوات لمنظومة نماذج WALL الخاصة بالذكاء الاصطناعي المتجسّد، بما في ذلك مكونات التدريب والاستدلال وتجهيز البيانات والتقييم. 26
27 ومن ثم يمكن أن يخدم الانفتاح على المصدر هدفين: تسريع التجارب الخارجية، وبناء معرفة أوسع بالنماذج والعتاد المرتبطين بالإطار.
لكن المصدر المفتوح لا يثبت benchmark HOST بحد ذاته. ما يفعله هو جعل الفرضية الأساسية أكثر قابلية للاختبار: هل يمكن تكييف قدرات الروبوت المدرَّبة مسبقاً عبر عرض قصير، بدلاً من ضبطه دقيقاً لكل مهمة تلاعب جديدة؟
ماذا تثبت نسبة النجاح البالغة 62%؟
تُعد نسبة نجاح قدرها 62% نتيجة بحثية مهمة، خصوصاً مع الانخفاض المعلن في عدد العروض ووقت التدريب. لكنها لا تعني استقلالية موثوقة؛ إذ فشلت قرابة محاولتين من كل خمس في التقييم المذكور.
كما لا تثبت النتيجة أداءً متيناً في كل الظروف التي قد يواجهها روبوت منزلي. فهناك حاجة إلى اختبارات إضافية تشمل اختلاف الإضاءة، والفوضى، ومظهر الأشياء، وديناميكيات التلامس، والتعامل مع الأخطاء، وقيود السلامة، وتسلسلات المهام الطويلة، وأجساماً روبوتية مختلفة. وتبقى المراجعة المستقلة مهمة أيضاً لأن الورقة البحثية ما تزال مسودة أولية، ولأن المقارنات مرتبطة بمعيار الاختبار المستخدم. 18
34
الخلاصة الأكثر دقة وفائدة ليست أن الروبوتات الشبيهة بالبشر أصبحت قادرة الآن على تعلم الأعمال المنزلية من فيديو واحد. بل يشير HOST إلى اتجاه محتمل في الذكاء الاصطناعي المتجسّد: تدريب واسع مسبقاً، ثم اكتساب سريع للمهارات من عروض بشرية قصيرة، من دون تحديث أوزان النموذج لكل مهمة. وإذا ثبتت قابلية تعميم هذه النتائج خارج معيار الباحثين، فقد يصبح اكتساب المهارات وقت التنفيذ بديلاً جدياً عن دورة التشغيل عن بُعد وجمع البيانات وإعادة الضبط الدقيق المكلفة.
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 "كيف يغيّر إطار HOST طريقة تدريب الروبوتات القادرة على التعلّم من البيئة"؟
حقق HOST، وفقاً للتقييم المنشور، متوسط نجاح بلغ 62% بعد عرض بشري واحد مدته 29 ثانية، مقابل 38% لخط أساس جرى ضبطه باستخدام نحو 50 عرضاً روبوتياً وأربع ساعات من التدريب.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
حقق HOST، وفقاً للتقييم المنشور، متوسط نجاح بلغ 62% بعد عرض بشري واحد مدته 29 ثانية، مقابل 38% لخط أساس جرى ضبطه باستخدام نحو 50 عرضاً روبوتياً وأربع ساعات من التدريب. لا ينسخ الإطار حركات الإنسان حرفياً ولا يحدّث أوزان النموذج؛ بل يتنبأ بنتيجة المهمة من منظور الروبوت ثم يولّد الأفعال اللازمة للوصول إليها.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
قد يدفع هذا النهج الذكاء الاصطناعي المتجسّد نحو نماذج تتكيف لحظة التنفيذ، ما يقلل الحاجة إلى التشغيل عن بُعد وجمع بيانات جديدة لكل مهمة.
المصادر
arxiv.orgHOST: Robots Acquire Manipulation Skills in Seconds from ...
letsdatascience.comHOST Paper Reports Robot Skill Learning from One Video in 29 Seconds
robotics-transformer-x.github.ioOpen X-Embodiment: Robotic Learning Datasets and RT-X Models
github.comREADME.md - X-Square-Robot/wall-x