الإجاباتمنشور30 المصادر
لماذا تعاني صناعة الذكاء الاصطناعي المتجسّد في الصين من نقص بيانات التفاعل الفيزيائي؟
تُقدَّر بيانات التفاعل الفيزيائي الواقعي المتوافقة مع المتطلبات القانونية بنحو 500 ألف ساعة، مقابل عشرات الملايين اللازمة غالباً للوصول إلى نماذج تجسّدية قابلة للتسويق؛ أي فجوة تتجاوز 99%، مع بقاء الرقم تقديراً صناعيا... كشف مؤتمر الروبوتات العالمي 2026 عن تحول واضح من استعراض الرقص والحركة إلى الاستثمار في أنظمة ال...
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- تُقدَّر بيانات التفاعل الفيزيائي الواقعي المتوافقة مع المتطلبات القانونية بنحو 500 ألف ساعة، مقابل عشرات الملايين اللازمة غالباً للوصول إلى نماذج تجسّدية قابلة للتسويق؛ أي فجوة تتجاوز 99%، مع بقاء الرقم تقديراً صناعيا...
- كشف مؤتمر الروبوتات العالمي 2026 عن تحول واضح من استعراض الرقص والحركة إلى الاستثمار في أنظمة التحكم عن بُعد، والتقاط الحركة، وأجهزة اللمس والقوة، وساحات جمع بيانات التدريب.
- بنهاية يونيو، كان في الصين أكثر من 70 ساحة تدريب للذكاء الاصطناعي التجسّدي قيد التشغيل، فيما كانت 46 ساحة أخرى قيد الإنشاء أو التخطيط، ضمن توجه رسمي يدفع الروبوتات إلى المصانع والخدمات والبيئات الواقعية.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is the “data starvation” problem limiting China’s embodied-AI and humanoid-robot industry, how did the 2026 World Robot Conference reve. Article summary: China’s embodied-AI bottleneck is not mainly robot hardware but a shortage of lawful, high-quality recordings of robots physically acting in the world. The 2026 World Robot Conference (WRC) showed an industry pivot: alon. Topic tags: general, academic, 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, char
لم تعد العقبة الأكبر أمام الروبوتات الشبيهة بالبشر في الصين هي القدرة على المشي أو الرقص أو تنفيذ عرض مُعدّ مسبقاً. التحدي الحقيقي هو امتلاك بيانات كافية وموثوقة وقابلة للاستخدام القانوني، تسجّل ما يحدث عندما تستشعر الآلة العالم المادي، وتتحرك فيه، وتلامس الأشياء، وتفشل ثم تصحح مسارها. 5
14
أظهر مؤتمر الروبوتات العالمي 2026 في بكين هذا التحول بوضوح. فإلى جانب العروض المصقولة، ركّز العارضون على منصات التشغيل عن بُعد، وأجهزة التقاط الحركة القابلة للارتداء، وأنظمة استشعار اللمس والقوة، والبنية التحتية المخصصة لجمع بيانات تدريب نماذج تعلّم الروبوتات. 4
9
13
فجوة البيانات التي تعرقل الذكاء الاصطناعي التجسّدي
تشير أرقام تكررت في أوساط المؤتمر إلى أن حجم بيانات التفاعل الفيزيائي الواقعي المتوافقة مع المتطلبات القانونية لا يتجاوز نحو 500 ألف ساعة، بينما ترتبط النماذج التجسّدية العامة القابلة للاستخدام التجاري بالحاجة إلى عشرات الملايين من الساعات. وهذا يعني فجوة تتجاوز 99%، لكن ينبغي التعامل معها بوصفها تقديراً صناعياً، لا عتبة علمية عامة تنطبق على كل الروبوتات والمهام. فالحجم المطلوب يتغير بحسب المهمة، ومنصة الروبوت، وبيئة التشغيل، ومعايير السلامة. 3
5
7
وتختلف هذه البيانات جذرياً عن البيانات المعتادة المتاحة على الإنترنت. قد يُظهر مقطع فيديو شخصاً يلتقط كوباً، لكنه لا يسجل عادةً وضع مفاصل الروبوت، وقوة القبضة، وتوقيت التلامس، والاحتكاك، والانزلاق، وحركات التصحيح. وهذه التفاصيل هي التي تحدد ما إذا كان الروبوت سيتمكن من تكرار الفعل عندما يكون الكوب أثقل، أو السطح مبللاً، أو موضع الجسم مختلفاً.
لماذا لا تثبت العروض نجاح الاستقلالية؟
يمكن للعرض المبرمج أن يخفي أصعب أجزاء العمل الروبوتي. فقد تكون الإضاءة والأجسام والمسار والتوقيت مضبوطة مسبقاً، أو يتدخل مشغّل بشري كلما واجه الروبوت ظرفاً غير متوقع. وفي هذه الحالة، قد يبدو الأداء مستقلاً من الخارج، من دون أن يثبت أن الآلة تعلمت سياسة متينة تربط الإدراك بالفعل.
أما الاستخدام التجاري فيتطلب التعامل مع اختلافات كثيرة: أشكال الأجسام، ونقاط الإمساك، والأسطح، والفوضى المحيطة، وحركة الأشخاص. كما يجب على الروبوت اكتشاف أخطائه والتعافي منها. وفي المهام التي تتضمن تلامساً مستمراً، لا تكفي معرفة ما إذا كان الهدف النهائي قد تحقق؛ فالبيانات المفيدة تشمل أيضاً سلسلة الملاحظات والأفعال والحالات الفيزيائية والتصحيحات التي حدثت على الطريق. لذلك تُصمَّم مجموعات بيانات الذكاء الاصطناعي الفيزيائي لربط الملاحظات متعددة الوسائط بالأفعال ونتائجها. 33
34
40
جمع البيانات أصبح أكثر تعقيداً
كانت مجموعات التعلم الروبوتي الأولى تركز على عروض قصيرة ومتكررة يسهل ضبطها. أما المرحلة التالية فتتجه إلى مهام أطول ومتعددة الخطوات وكثيفة التلامس، مثل المناولة، والفرز، والتجميع، والتغليف، والتنظيف، داخل المنازل والمتاجر والمصانع ومرافق الخدمات.
ويزيد ذلك عبء جمع البيانات في ثلاثة اتجاهات:
- تنوع أكبر: يجب تسجيل المهمة نفسها مع أجسام وترتيبات ومواد وظروف بيئية مختلفة.
- تسجيل الفشل: قد تكون الانزلاقات والاصطدامات ومحاولات الإمساك الفاشلة وطرق التعافي مفيدة بقدر العروض الناجحة.
33
- تزامن إشارات متعددة: ينبغي مواءمة صور الكاميرات وبيانات العمق ووضع الروبوت وحركة المفاصل والقوة واللمس وغيرها من إشارات الاستشعار، حتى تتعلم النماذج العلاقة بين الإدراك والفعل.
لكن توسيع هذا العمل ليس سهلاً. فتشغيل الروبوتات مكلف، والتجارب الفيزيائية تحتاج إلى ضوابط سلامة، والبيانات عالية الجودة يجب تنقيحها وتنظيمها لا جمعها عشوائياً. كما أن أرشيفاً ضخماً من الفيديوهات لا يتحول تلقائياً إلى مجموعة بيانات مفيدة لتدريب الروبوتات.
طبقة جديدة لتوريد البيانات
بدأ مزودون متخصصون في سد الفجوة بين سلوك البشر والبيانات الجاهزة لتدريب الآلات. وقد تشمل أعمالهم استقطاب المشغلين وتدريبهم، والتحكم في الروبوتات عن بُعد، والتقاط حركة الإنسان، وتجهيز المهام بأجهزة الاستشعار، ومزامنة الإشارات، واستبعاد المسارات الرديئة، ثم تنسيق النتائج لتناسب مطوري النماذج.
وتكتسب تقنية التشغيل عن بُعد أهمية خاصة لأنها تسجل أفعالاً على روبوت حقيقي، لا مجرد تصوير إنسان يؤدي حركة مشابهة. ويمكن لوحدات التحكم الافتراضي وغيرها من الأدوات العامة إرسال أوامر إلى الروبوت، بينما تلتقط الأنظمة القابلة للارتداء وتقنيات التقاط الحركة تفاصيل أكثر كثافة عن حركة الإنسان ثم تعيد مواءمتها مع الآلة. 1
وهكذا تظهر طبقة توريد جديدة للذكاء الاصطناعي التجسّدي: فالشركات لا تبني أجسام الروبوتات والنماذج فحسب، بل تنتج أيضاً العروض والسجلات الحسية التي تصل بينهما. وقد عرض المشاركون في مؤتمر الروبوتات العالمي جمع البيانات بوصفه جزءاً أساسياً من منظومة الذكاء التجسّدي، بما في ذلك أنظمة تسجل حركات الرأس واليدين أثناء أنشطة يومية. 4
9
لماذا تبني الصين ساحات تدريب على مستوى البلاد؟
توفر ساحات التدريب بيئات مضبوطة لكنها أقرب إلى الواقع، يمكن فيها تدريب الروبوتات واختبارها ومقارنتها. وقد تحاكي مصانع ومستودعات ومنازل ومتاجر ومواقع للخدمات العامة، بما يمنح المطورين سيناريوهات قابلة للتكرار من دون اختزال المشكلة في روتين مختبري محدود.
وبحسب تغطية تقرير 2026 الصادر عن الأكاديمية الصينية لتكنولوجيا المعلومات والاتصالات، كان أكثر من 70 ساحة تدريب للذكاء الاصطناعي التجسّدي قيد التشغيل في أنحاء الصين بنهاية يونيو، بينما كانت 46 ساحة أخرى قيد الإنشاء أو التخطيط. وغطت هذه المواقع أكثر من نصف المناطق الإدارية على مستوى المقاطعات، وكان التصنيع الصناعي أكثر الاستخدامات شيوعاً، إذ ظهر في 86% من الساحات التي شملها التقرير. 18
22
لكن بناء المنشآت لا يكفي بحد ذاته. فقيمتها الحقيقية تظهر عندما تتحول إلى قواعد بيانات ومنصات اختبار ميداني، لا إلى قاعات إضافية للعروض. والفكرة العملية هي إنشاء حلقة متكررة: التدريب في العالم الحقيقي ينتج بيانات، والبيانات تحسن النموذج، والنموذج الأفضل يتيح انتشاراً أوسع، ثم يولد الانتشار بيانات تشغيلية جديدة. 14
22
السياسة الصينية تدفع الروبوتات إلى ما بعد قاعات العرض
أطلقت وزارة الصناعة وتكنولوجيا المعلومات الصينية، بالتعاون مع هيئة الإشراف على الأصول المملوكة للدولة وإدارتها، برنامجاً خاصاً لعام 2026 للتدريب الواقعي للروبوتات الشبيهة بالبشر والذكاء الاصطناعي التجسّدي. ويركز البرنامج على المجالات الصناعية والخدمية والمهام المتخصصة، بما يشمل التصنيع والخدمات اللوجستية والرعاية الصحية والخدمات العامة وأعمال الطوارئ. 24
25
وحدّد إشعار حكومي أهدافاً تشمل الدفع نحو الاستخدام التجاري لـ 10 آلاف روبوت شبيه بالبشر وأكثر من 100 سيناريو تطبيقي عالي القيمة بحلول نهاية عام 2026. 26 ويقوم النهج على جعل النشر نفسه جزءاً من بنية التدريب، عبر تشجيع الحكومات المحلية والشركات المملوكة للدولة على توفير مواقع تُختبر فيها الأنظمة وتُتحقق صلاحيتها وتُحسَّن في ظروف تشغيل فعلية.
24
ولا يعني ذلك أن هذه الأهداف مضمونة، أو أن الروبوتات ستصبح مستقلة على نطاق واسع. لكنه يوضح أن تركيز السياسات ينتقل من إنتاج العتاد وحده إلى حلقة البيانات والنشر اللازمة للوصول إلى موثوقية تجارية.
لماذا لا تكفي الفيديوهات والنصوص وبيانات القيادة الذاتية؟
تظل الفيديوهات واللغة مفيدة؛ فهي تساعد النماذج على فهم ماهية الأشياء، ومعنى التعليمات، وشكل الأفعال البشرية. كما يمكن للمحاكاة أن توفر حجماً كبيراً من السيناريوهات وتغطي مواقف يصعب أو يستحيل تكرارها مادياً. وتشير أبحاث معايير بيانات الذكاء الاصطناعي التجسّدي أيضاً إلى أهمية الجمع بين البيانات الواقعية والمحاكاة ووسائط الاستشعار المتعددة، بدلاً من الاعتماد على مصدر واحد. 2
32
لكن هذه المصادر لا تحدد وحدها مسألة التحكم. ففي مهام المناولة، قد يحتاج الروبوت إلى تقدير:
- موقع الجسم واتجاهه بدقة ثلاثية الأبعاد؛
- زوايا مفاصله وسرعتها واستجابته الميكانيكية؛
- القوة اللازمة للإمساك أو الدفع أو الإدخال أو الرفع؛
- توقيت التلامس أو الانزلاق أو الاصطدام؛
- وكيفية تعديل حركته عندما لا تنجح الخطة المتوقعة.
لذلك تتكامل أساليب جمع البيانات المختلفة:
- التشغيل عن بُعد عبر الواقع الافتراضي: يسجل أوامر الشخص التي يمكن تحويلها إلى حركات الروبوت.
1
- التقاط الحركة باستخدام أجهزة قابلة للارتداء: يلتقط نية حركة الجسم والذراع واليد لدى الإنسان، ثم يعيد توجيهها إلى الروبوت.
- التغذية الراجعة للقوة والاستشعار اللمسي: يكشفان التلامس والمقاومة والضغط والانزلاق، وهي معلومات قد لا تظهر في البكسلات وحدها.
7
- عزم المحركات والبيانات الاستقبالية الذاتية: يوضحان الحالة الداخلية للروبوت واستجابة آليته أثناء الفعل.
39
- المسارات المسجلة على روبوتات حقيقية: تكشف أخطاء المعايرة وزمن التأخير وضجيج المستشعرات والحدود الميكانيكية وفوضى البيئة، وهي أمور لا تستطيع الفيديوهات البشرية أو المحاكاة سوى تقريبها.
34
ويمكن لبيانات القيادة الذاتية أن تساعد في الإدراك والملاحة، لكن المناولة الدقيقة تنتمي إلى مجال مختلف من الأفعال. فالقيادة تتمحور غالباً حول المركبة وتتجنب التلامس المستمر مع معظم الأشياء، بينما تعتمد مهام مثل الإمساك والإدخال والتجميع على قوى التلامس والمرونة والقدرة على التعافي من الخطأ.
الخلاصة: السباق على البيانات لا يقل أهمية عن السباق على الروبوتات
لا تعني رسالة مؤتمر الروبوتات العالمي 2026 أن الصين تخلت عن تطوير أجسام الروبوتات. بل تعني أن العتاد وحده لن يسد فجوة الاستقلالية. وقد تتجه الأفضلية التنافسية بصورة متزايدة إلى الجهات القادرة على جمع كميات ضخمة من بيانات التفاعل الفيزيائي متعددة الوسائط، وتوحيدها، واستخدامها بصورة قانونية.
فالطريق من عروض المنصة والآلات التي يتحكم فيها البشر عن بُعد إلى روبوتات مستقلة وموثوقة يمر عبر مزيج صعب: نشر حقيقي، ومشغلين مدربين، وبيئات مجهزة بأجهزة القياس، ومعايير بيانات مشتركة، واختبارات متكررة. وتعمل الصناعة الصينية على بناء هذه السلسلة، لكن الفجوة بين مئات آلاف الساعات وعشرات الملايين التي تتكرر الإشارة إليها من أجل التسويق التجاري تظل القيد المركزي. 3
13
14
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 "لماذا تعاني صناعة الذكاء الاصطناعي المتجسّد في الصين من نقص بيانات التفاعل الفيزيائي؟"؟
تُقدَّر بيانات التفاعل الفيزيائي الواقعي المتوافقة مع المتطلبات القانونية بنحو 500 ألف ساعة، مقابل عشرات الملايين اللازمة غالباً للوصول إلى نماذج تجسّدية قابلة للتسويق؛ أي فجوة تتجاوز 99%، مع بقاء الرقم تقديراً صناعيا...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تُقدَّر بيانات التفاعل الفيزيائي الواقعي المتوافقة مع المتطلبات القانونية بنحو 500 ألف ساعة، مقابل عشرات الملايين اللازمة غالباً للوصول إلى نماذج تجسّدية قابلة للتسويق؛ أي فجوة تتجاوز 99%، مع بقاء الرقم تقديراً صناعيا... كشف مؤتمر الروبوتات العالمي 2026 عن تحول واضح من استعراض الرقص والحركة إلى الاستثمار في أنظمة التحكم عن بُعد، والتقاط الحركة، وأجهزة اللمس والقوة، وساحات جمع بيانات التدريب.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
بنهاية يونيو، كان في الصين أكثر من 70 ساحة تدريب للذكاء الاصطناعي التجسّدي قيد التشغيل، فيما كانت 46 ساحة أخرى قيد الإنشاء أو التخطيط، ضمن توجه رسمي يدفع الروبوتات إلى المصانع والخدمات والبيئات الواقعية.
المصادر
scmp.comIn the embodied AI race, China can opt to look beyond ...
pandaily.com'Data Starvation': The Real Bottleneck Holding Back China's Embodied AI
roboticsandautomationnews.comX Square Robot showcases full embodied AI portfolio at WRC 2026
bastillepost.comPractical application of embodied AI robots shine at 2026 World AI ...