الإجاباتمنشور23 المصادر
VPP2 تتقدم في اختبار الروبوتات… وما زال الانتشار الواسع سؤالًا مفتوحًا
أعلنت Robotera أن VPP2 حقق نسبة نجاح 32.26% ومتوسط درجة 39.26 في لوحة RoboDojo للمحاكاة، وتصدر فئات التعميم والدقة والذاكرة. يتعلم VPP2 توقّع ما قد يحدث في المشهد قبل توليد حركة الروبوت.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- أعلنت Robotera أن VPP2 حقق نسبة نجاح 32.26% ومتوسط درجة 39.26 في لوحة RoboDojo للمحاكاة، وتصدر فئات التعميم والدقة والذاكرة.
- يتعلم VPP2 توقّع ما قد يحدث في المشهد قبل توليد حركة الروبوت. وأظهرت تجربة منفصلة على روبوت ALOHA حقيقي نجاحًا صفريّ التدريب بلغ 58.5% عبر 10 أنواع من المهام.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What does the October 10, 2026 report reveal about Tsinghua University-backed Robotera’s open-source VPP2 world action model, including its. Article summary: The October 10 report presents VPP2 (Video Prediction Policy 2) as an open-source world action model with a reported RoboDojo-Sim lead and stronger real-robot zero-shot results than pi0.5—not as proof of large-scale comm. Topic tags: general, general web. 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 fake numbers, click
يربط نموذج VPP2 من Robotera بين توقّع الفيديو وتوليد حركات الروبوت: يتنبأ أولًا بكيفية تغيّر المشهد، ثم يستخدم هذا التوقع للمساعدة في اختيار الحركة. وفي نتائج أعلنتها الشركة، سجّل النموذج نسبة نجاح متوسطة قدرها 32.26% ومتوسط درجة 39.26 على لوحة RoboDojo للمحاكاة، متصدرًا فئات التعميم والدقة والذاكرة. كما أُبلغ عن نجاح صفريّ التدريب بلغ 58.5% في اختبار منفصل على روبوت حقيقي. النتائج لافتة، لكنها لا تثبت أن VPP2 منشور تجاريًا على نطاق واسع. 2
6
ماذا يقيس اختبار RoboDojo؟
يضم معيار RoboDojo، الذي يقوده مختبر MMLab في جامعة هونغ كونغ بالتعاون مع جهات أكاديمية، 42 مهمة باستخدام روبوتات ثنائية الذراع. وتختبر المهام التعميم، ودقة المناولة، وتنفيذ المهام طويلة المدى، والذاكرة، واتباع التعليمات بمفردات مفتوحة. ويعرض المعيار معدل إنجاز المهام إلى جانب متوسط الدرجة، لتقديم صورة أوسع من مجرد معرفة ما إذا اكتملت المهمة أم لا. 5
6
بحسب النتائج المعلنة، تصدّر VPP2 لوحة المحاكاة في وقت الإعلان، محققًا نسبة نجاح متوسطة قدرها 32.26% ومتوسط درجة 39.26، إلى جانب المركز الأول في فئات التعميم والدقة والذاكرة. لكن RoboDojo يفصل بين لوحتي المحاكاة والاختبارات في العالم الحقيقي؛ لذا فهذه ليست إشارة إلى تصدر النموذج كل تقييمات المعيار. 2
6
وفي مقارنة أُجريت بعد التدريب الإضافي، سجّل GPT-6-Astra نسبة نجاح قدرها 22.48% ومتوسط درجة 28.97. وبذلك يتقدم VPP2 في تلك المقارنة بـ 9.78 نقاط مئوية في النجاح و10.29 نقاط في متوسط الدرجة. تظل هذه الأرقام مرتبطة بإعداد التقييم المذكور، ولا تمثل ترتيبًا عامًا لكل مهام الروبوتات. 6
وهناك تنبيه زمني عند الحديث عن «المركز الأول»: يسجل تاريخ لوحة RoboDojo نتيجة أسبق لنظام Simate-beta، ثم إدراج نتيجة VPP2 في 8 أكتوبر. لذلك يصف الترتيب لوحة بعينها وفي تاريخ محدد، ولا يشكل حكمًا دائمًا على جميع الإصدارات والإعدادات أو الأداء في الواقع. 12
ماذا تعني عبارة «من دون بيانات إضافية»؟
قالت Robotera إنها حققت نتيجة المعيار من دون بيانات إضافية أو تحسين ذاتي قائم على التعلم المعزز للوكيل. لكن هذا لا يعني أن VPP2 دُرّب من دون عملية واسعة لتدريب الفيديو: فشرح المنهج يشير إلى أنه مبني على نموذج Wan2.1-I2V-14B المدرّب مسبقًا، ثم واصل تدريبه على مقاطع متنوعة لمناولة الروبوتات وأنشطة البشر والفيديو العام. 25
9
11
والتمييز هنا مهم: ادعاء عدم استخدام بيانات إضافية أو تحسين ذاتي يتصل بنتيجة المعيار والإضافات المستخدمة لتحقيقها، بينما يعتمد تطوير قدرة النموذج على التنبؤ على مجموعة فيديوهات منتقاة وُصفت في المنهج. 9
11
كيف يتعلم VPP2 التنبؤ قبل الحركة؟
يقوم تصميم VPP2 على تطوير قدرة التنبؤ بالفيديو أولًا، ثم تسريعها، وبعد ذلك إضافة توليد الحركات. والفكرة المعلنة هي الاستفادة من المشاهد المتوقعة مستقبلًا لتوجيه الحركة، مع الحد من احتمال أن يضعف تدريب الأفعال قدرة نموذج الفيديو على التعميم. 9
11
- التعلم من مقاطع المناولة: تبدأ العملية من Wan2.1-I2V-14B، مع مواصلة تدريب الفيديو على مشاهد لمناولة الروبوتات وأنشطة البشر ومحتوى عام. وتُرفق المقاطع بأوصاف تفصيلية وتُنظّم حول أحداث ذات معنى، كي يتعلم النموذج توقّع الأفعال في مهام متنوعة.
9
11
- تحويل التنبؤ إلى مخطّط بصري سريع: يُدرّب النموذج بعد ذلك على أفق تنبؤ ثابت مدته 8 ثوانٍ، ثم تُستخدم عملية تقطير الاتساق لاختزال التوليد متعدد الخطوات إلى مخطّط بصري بخطوة واحدة. ويبلغ زمن استدلال التنبؤ بالفيديو، وفق الأرقام المنشورة، نحو 0.12 ثانية.
18
- توليد الأفعال انطلاقًا من المستقبل المتوقع: في المرحلة الأخيرة، تُضاف وحدة Action DiT تضم 0.9 مليار معامل، وتُربط بنموذج الفيديو عبر بنية «مزيج المحوّلات». ويصف إعداد التدريب تجميد العمود الفقري لنموذج الفيديو في البداية، مع استخدام تكييف LoRA لمكوّن الأفعال، بهدف الحفاظ على التمثيلات التنبؤية التي اكتسبها النموذج.
4
ويُذكر أن توليد مقطع حركة مدته ثانيتان يستغرق نحو 0.1 ثانية، إضافة إلى قرابة 0.12 ثانية للتنبؤ بالفيديو. هذه أزمنة تجريبية منشورة، وليست ضمانًا للسرعة نفسها على كل جهاز أو إعداد. 11
21
نتائج على روبوت حقيقي واختبار LIBERO
على روبوت ALOHA حقيقي ثنائي الذراع، حقق VPP2، وفق النتائج المعلنة، متوسط نجاح صفريّ التدريب قدره 58.5% عبر 10 أنواع من المهام، مقارنةً بـ 40% لنموذج pi0.5 التابع لشركة Physical Intelligence؛ أي بفارق 18.5 نقطة مئوية في ذلك التقييم. وهذه النتائج على روبوت فعلي منفصلة عن لوحة RoboDojo للمحاكاة، ولا ينبغي التعامل معها كأنها قياس واحد. 2
6
كما يورد مستودع المشروع نتائج بلغت 45.00% على LIBERO-Pro و63.93% على بروتوكول LIBERO-OOD معدّل. ووصف بروتوكول OOD بأنه معدّل مهم عند مقارنة النتيجة بنتائج أُجريت بإعدادات أخرى. 17
إتاحة النموذج لا تثبت انتشاره تجاريًا
يوثّق مستودع VPP2 الرسمي على GitHub تنفيذ النموذج ومراحل إتاحته. وتذكر ملاحظات الإصدار أن أوزان نموذج الفيديو أصبحت متاحة في 10 أكتوبر، فيما أُعلن عن إتاحة شيفرة التدريب على فيديو RoboDojo المشروط بتاريخ المهمة في 12 أكتوبر. وهذا يشير إلى إطلاق تدريجي، لا إلى إتاحة كل المكونات دفعة واحدة. 3
22
تدعم المعلومات المتاحة وجود نتائج معلنة على معايير قياس واختبار على روبوت حقيقي وإتاحة مفتوحة المصدر. لكنها لا تثبت أن VPP2 نفسه يعمل على نطاق واسع في عمليات لوجستية تجارية. وحتى إثبات وجود تطبيقات للشركة في قطاع اللوجستيات، إن توفرت أدلة مستقلة عليها، لا يكفي وحده لإثبات أن تلك الأنظمة تستخدم هذا النموذج تحديدًا.
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 "VPP2 تتقدم في اختبار الروبوتات… وما زال الانتشار الواسع سؤالًا مفتوحًا"؟
أعلنت Robotera أن VPP2 حقق نسبة نجاح 32.26% ومتوسط درجة 39.26 في لوحة RoboDojo للمحاكاة، وتصدر فئات التعميم والدقة والذاكرة.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أعلنت Robotera أن VPP2 حقق نسبة نجاح 32.26% ومتوسط درجة 39.26 في لوحة RoboDojo للمحاكاة، وتصدر فئات التعميم والدقة والذاكرة. يتعلم VPP2 توقّع ما قد يحدث في المشهد قبل توليد حركة الروبوت. وأظهرت تجربة منفصلة على روبوت ALOHA حقيقي نجاحًا صفريّ التدريب بلغ 58.5% عبر 10 أنواع من المهام.