يو كاي تشنغ ينتقل من نماذج الرؤية إلى «عالم» ذهني للذكاء الفيزيائي

لم يكن تحول يو كاي تشنغ رفضًا للإدراك البصري أو للبيانات واسعة النطاق. بل قاده العمل على نماذج العالم إلى استنتاج مختلف: عندما يستطيع النظام توليد مشاهد واقعية، فإن الاستمرار في توقع كل بكسل قد يصبح هدفًا وسيطًا مكلفًا لا يخدم التحكم واتخاذ القرار مباشرة. البديل الذي تقترحه Awomo هو أن تكون «الحالة المتنبأ بها» سجلًا منظمًا لمفاهيم فيزيائية—أجسام، حالات، علاقات، أفعال وتغيرات سببية—يمكن للوكيل إعادة تركيبها والتخطيط داخلها من دون الحاجة إلى رسم فيديو كامل في كل خطوة. 110

من AutoML وAlibaba إلى مختبر AutoLab

بدأ يو كاي تشنغ مسيرته البحثية في مجال التعلم الآلي الآلي أو AutoML، أي تطوير أنظمة تساعد في تصميم خوارزميات التعلم وتحسينها. وبعد حصوله على الدكتوراه، انضم إلى أكاديمية DAMO التابعة لعلي بابا عبر برنامج «علي بابا ستار»، ثم انتقل إلى أبحاث الإدراك البصري للقيادة الذاتية.

كان من أبرز أعماله إطار BEVFusion، الذي يجمع بيانات كاميرات السيارات وبيانات الليدار—وهو مستشعر يعتمد على نبضات الليزر لبناء معلومات ثلاثية الأبعاد—في تمثيل موحد من منظور علوي للبيئة. وقد وُصفت هذه المساهمة لاحقًا بأنها من الأعمال واسعة الاستشهاد في مجال دمج المستشعرات متعددة الوسائط. 10

في عام 2023، انتقل يو إلى جامعة ويستليك وأسّس مختبر الذكاء الذاتي AutoLab. بدأ الفريق أولًا باستكشاف نماذج عالم توليدية للقيادة الذاتية، ثم حقق المركز الأول في مسابقة للقيادة الذاتية ضمن ECCV عام 2024، وتصدر ترتيب Fail2Drive في عام 2026، وفقًا للتغطية المعاصرة. 10

لكن هذه النجاحات قادته إلى سؤال أكثر جوهرية: إذا كان النموذج يفهم بالفعل ما الذي قد يحدث بعد تنفيذ فعل معين، فلماذا يستهلك قدرًا هائلًا من الحوسبة لإعادة بناء كل التفاصيل المرئية؟ فالسؤال المفيد للروبوت أو السيارة ليس فقط «كيف ستبدو الصورة التالية؟»، بل «ماذا سيتغير إذا تحركت أو اصطدمت أو أمسكت بهذا الجسم؟». 110

ما المقصود بـ«نموذج العالم المفاهيمي»؟

في أواخر عام 2024، أفادت التقارير بأن الفريق غيّر مساره من توليد البكسلات إلى فضاء كامن رياضي يُتعلَّم من طرف إلى طرف. والفضاء الكامن هو تمثيل داخلي مضغوط لا يطابق الصورة مباشرة، بل يحاول الاحتفاظ بالمعلومات الأكثر فائدة للتنبؤ.

تريد Awomo أن يُحلِّل النموذج المشهد إلى عدد محدود من المفاهيم الفيزيائية القابلة لإعادة الاستخدام، ثم يعيد تركيبها للتنبؤ بالحالة التالية—بما في ذلك تركيبات لم تظهر كاملة في بيانات التدريب. 1

ولا تعني كلمة «ضمني» هنا أن التمثيل غامض أو بلا بنية. فادعاء الشركة هو أن الفضاء الكامن ينبغي أن يشفّر عناصر مثل:

• الكيانات والأجسام الموجودة في المشهد؛
• العلاقات المكانية بينها؛
• حالة كل جسم؛
• الأفعال الممكنة أو المنفذة؛
• الانتقالات والتغيرات السببية الناتجة عن تلك الأفعال. 111

الميزة المنشودة هي التعميم التركيبي: إذا تعلّم النظام مفهومَي «الكوب» و«السقوط» كلٌّ على حدة، فقد يتمكن من الاستدلال على موقف جديد يجمع بينهما، بدل الحاجة إلى مشاهدة أمثلة منفصلة لكل سيناريو كامل. ومن هنا يرى يو أن إضافة مزيد من بيانات نماذج الرؤية-اللغة-الفعل، أو المزيد من العروض البشرية، ستواجه في النهاية عوائد متناقصة عندما يتعلق الأمر بالذكاء الفيزيائي. 1

أوجه التشابه والاختلاف مع JEPA

تنتمي هذه المقاربة إلى العائلة الأوسع نفسها التي ينتمي إليها إطار JEPA المرتبط بيان لوكون: التنبؤ بتمثيل داخلي بدل إعادة بناء البكسلات مباشرة. 1

لكن Awomo تدّعي اختلافًا دلاليًا ومعماريًا. فبحسب طرح يو، لا يحدد JEPA بصورة صريحة ما الذي ينبغي أن تمثله المتغيرات داخل الفضاء الكامن، بينما يحاول «نموذج العالم المفاهيمي» بناء مفردات قابلة للتركيب من المفاهيم الفيزيائية.

مع ذلك، ينبغي التعامل مع هذا الفرق بوصفه فرضية بحثية واعدة، لا ميزة ثبت تفوقها بصورة مستقلة حتى الآن. 1

ماذا أظهرت تجارب 2025؟

قالت Awomo إن تجاربها الداخلية خلال عام 2025 أظهرت أن تفكيك المفاهيم وربطها حسّن معدل النجاح في المهام المعقدة مقارنة بخطوط أساس قائمة على التعلم بالتقليد والتعلم المعزز، مع خفض تكلفة التنبؤ. 1

لكن التقارير العامة المتاحة لا تتضمن بروتوكولًا تجريبيًا كاملًا، أو أحجام النماذج، أو توزيع المهام، أو معدلات نجاح رقمية مفصلة، أو فواصل ثقة، أو دراسات إزالة للعناصر، أو شيفرة مصدرية، أو إعادة تنفيذ مستقلة. لذلك فإن حجم التفوق المعلن لا يزال غير مدعوم علنًا بأدلة كافية. 1

ويشرح مثال «التقاط كوب يسقط أثناء إغلاق باب» الفائدة المقصودة من هذا النهج: تمثيل عدة انتقالات متزامنة في الحالة والقيود السببية التي تربط بينها، بدل اختيار حركة اعتمادًا على أنماط محفوظة من مجموعة عروض سابقة. لكنه يظل مثالًا تحفيزيًا من طرح يو، وليس نتيجة معيارية موثقة. 1

لماذا لا تكفي نماذج VLA والمزيد من العروض؟

ترى هذه الرؤية أن نماذج VLA—أي النماذج التي تربط الرؤية واللغة بالفعل—يمكنها التعلم من عدد كبير من التعليمات والعروض، لكنها قد تبقى مقيدة بما رأته كوحدات كاملة من السيناريوهات. وكلما زادت تعقيدات العالم الفيزيائي، قد يصبح جمع أمثلة لكل مجموعة ممكنة من الأجسام والحالات والعلاقات والأفعال مكلفًا إلى حد كبير.

في المقابل، يفترض النهج المفاهيمي أن يتعلم النظام اللبنات الأساسية والعلاقات السببية بينها، ثم يستخدمها لبناء حالات جديدة. وهذا لا يعني أن التعميم سيحدث تلقائيًا، بل يحدد نوع القدرة التي تريد Awomo اختبارها: الانتقال من حفظ الأمثلة إلى تركيب سيناريوهات غير مألوفة داخل فضاء داخلي قابل للتخطيط.

تأسيس Awomo والتمويل والفريق

تحولت الأبحاث إلى شركة Westlake Digital Intelligence Technology (Hangzhou) Co., Ltd.، التي تستخدم العلامة التجارية Awomo. وسُجلت الشركة في منطقة شيهو بمدينة هانغتشو في 8 يناير 2026، وتقول إنها تستهدف الذكاء الفيزيائي في مجالات القيادة الذاتية، والروبوتات، والمعدات الصناعية، والأجهزة الذكية، وتوليد بيانات المحاكاة. 11

وتصف التقارير النواة الأولى للفريق بأنها ضمت يو وكبير العلماء تونغ، قبل أن تتوسع من فريق AutoLab في جامعة ويستليك. أما وصف بعض الزملاء بأنهم «عباقرة أثبتوا أنفسهم باستمرار»، فهو تعبير ترويجي لا يمثل مقياسًا مستقلًا يمكن التحقق منه. 1

وأعلنت Awomo عن إتمام جولات تمويل تأسيسية وملائكية تجاوز مجموعها 100 مليون يوان صيني. وسمّت الشركة من بين المستثمرين: InnoFund، وصندوق Dongfang Jiafu، وZhengxuan Investment، وTianqi Capital، وWestlake Innovation Fund، وJinma Investment. 13

الظهور العلني الأول وAwomo-v0.1

قدّمت تغطية أغسطس 2026 نسخة Awomo-v0.1 بوصفها أول إصدار علني من مشروع نموذج العالم المفاهيمي، وأشارت إلى تقييمها على RoboTwin 2.0، وهو إطار محاكاة ومعيار لتوليد البيانات وتقييم مهام المناولة الروبوتية الثنائية، أي المهام التي تستخدم ذراعين أو يدين روبوتيتين. 13

يوفر ذلك منصة تقييم علنية مبكرة، لكنه لا يثبت وحده قدرة النموذج على التعميم مع روبوتات حقيقية، أو مستوى السلامة، أو التفوق على البدائل الرائدة. ولتقييم أكثر صرامة، ستكون هناك حاجة إلى نتائج معيارية منشورة، وخطوط أساس موحدة، وتفاصيل تجريبية قابلة لإعادة الإنتاج، ونتائج انتقال من المحاكاة إلى العالم الحقيقي.