الإجاباتمنشور17 المصادر
كيف ترسم نماذج Pelican ملامح الذكاء الموحّد للروبوتات؟
تعرض نماذج Pelican أدواراً متكاملة: توليد الأفعال، ومحاكاة ما قد يراه الروبوت بعد تنفيذها، وتوحيد الفهم والاستدلال والتخيّل والفعل. يجمع Pelican VLA 0.5 بين فهم الرؤية واللغة وتوليد إطارات مستقبلية والتنبؤ بالأفعال، وسجّل 91.4% نجاحاً في RoboTwin Clean و91.0% في RoboTwin Randomized بعد الضبط الدقيق.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- تعرض نماذج Pelican أدواراً متكاملة: توليد الأفعال، ومحاكاة ما قد يراه الروبوت بعد تنفيذها، وتوحيد الفهم والاستدلال والتخيّل والفعل.
- يجمع Pelican VLA 0.5 بين فهم الرؤية واللغة وتوليد إطارات مستقبلية والتنبؤ بالأفعال، وسجّل 91.4% نجاحاً في RoboTwin Clean و91.0% في RoboTwin Randomized بعد الضبط الدقيق.
- لا تثبت المصادر المتاحة أن تفاصيل خارطة الطريق المتداولة، أو تصنيف مستويات التعميم الأربعة، وردت في كلمة بعينها خلال ROSCon China 2026.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What roadmap did the Beijing Innovation Center of Humanoid Robotics (X-Humanoid) present through world model lead Zou Shilong’s “Exploring U. Article summary: The available evidence supports X-Humanoid’s broader direction: combining visual-language understanding, imagined future observations, and action generation in unified embodied models, with a world-model simulator suppor. 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
تشير التقارير العلنية عن نماذج Pelican التابعة لـX-Humanoid إلى توجه نحو نماذج للذكاء المتجسّد تربط الإدراك بالتنبؤ والفعل. وتؤدي النماذج الثلاثة أدواراً مختلفة ومتكاملة: يولّد Pelican-VLA 0.5 الأفعال إلى جانب إطارات مستقبلية، ويتنبأ Pelican-Sim 1.0 بالمشاهد اللاحقة بناءً على أفعال الروبوت، فيما يسعى Pelican-Unify إلى جمع الفهم والاستدلال والتخيّل والفعل ضمن نموذج موحّد. 17
18
44
لكن المصادر المتاحة لا تثبت أن هذا التوجه البحثي بكامله، أو التصنيف المحدد لمستويات التعميم وحلقة تطوير السياسات ذاتياً المرتبطة به أحياناً، عُرض في الكلمة الرئيسية التي قُدمت في ROSCon China خلال أكتوبر.
ما الذي تثبته التقارير المنشورة؟
Pelican-VLA 0.5: من الرؤية إلى الفعل
يصف التقرير Pelican-VLA 0.5 بأنه نموذج موحّد للرؤية واللغة والفعل، يجمع في بنية واحدة فهم المدخلات البصرية واللغوية، وتوليد إطارات مستقبلية، والتنبؤ بالأفعال. 44 ويذكر مستودع المشروع أن النموذج يستخدم بنية أساسية مشتركة Qwen3-VL 4B، وأنه يتضمن نقطة تحقق مدرّبة مسبقاً عبر أجسام روبوتية مختلفة. كما يفيد المستودع بأن التدريب اعتمد على نحو 2,400 ساعة من بيانات التلاعب المتنوعة.
46
47
ويعرض التقرير نتيجة تتعلق بآلية الانتباه: قبل الضبط الدقيق لمهمة بعينها، يركّز مسار الأفعال في النموذج على الجسم ومنطقة التلامس المرتبطين بالتعليمات. 44
46 وبعد ضبطه الدقيق على RoboTwin، يذكر التقرير نسبة نجاح بلغت 91.4% في RoboTwin Clean و91.0% في RoboTwin Randomized.
44
هذه النتائج تخص Pelican-VLA 0.5. ولا تثبت الادعاء المنفصل بأن إضافة 500 مسار مولّد إلى 50 عرضاً توضيحياً أصلياً لكل مهمة حققت نتائج محددة باستخدام Pelican-Sim.
Pelican-Sim 1.0: توقّع ما سيحدث بعد الفعل
يقدّم التقرير Pelican-Sim 1.0 بوصفه محاكي نموذج عالم يتنبأ بالمشاهد المستقبلية انطلاقاً من السياق البصري وأفعال الروبوت، بهدف دعم التعلم واتخاذ القرار لاحقاً. ويصف التقرير التقني تمثيلات رقمية وبصرية متزامنة للأفعال. 17
وهذا يختلف عن الدور المعلن لـPelican-VLA 0.5: فبدلاً من التركيز على ربط الإدراك بالفعل مباشرة، يركّز Pelican-Sim على توقّع الملاحظات اللاحقة المشروطة بأفعال الروبوت. يدعم التقرير هذا الوصف لدور النموذج، لكنه لا يثبت استراتيجية البيانات ذات الطبقات الأربع المنسوبة إلى الكلمة، ولا النتائج التفصيلية المزعومة لإعداد يجمع 50 عرضاً أصلياً و500 مسار مولّد. 17
Pelican-Unify: جمع الفهم والاستدلال والتخيّل والفعل
يصف التقرير التقني Pelican-Unify 1.0 بأنه نموذج موحّد للذكاء المتجسّد يجمع الفهم والاستدلال والتخيّل والفعل. ويذكر أن نموذجاً واحداً للرؤية واللغة يؤدي دور مكوّن الفهم الموحّد، إذ يحوّل المشاهد والتعليمات والسياق البصري وسجلّ الأفعال إلى فضاء دلالي مشترك. 18
وكان النموذج موثقاً علناً قبل فعالية أكتوبر: يحمل تقريره معرّفاً يعود إلى مايو 2026، كما تناول تقرير إخباري صدوره في الشهر نفسه. 18
24 لذلك لا تدعم الأدلة وصفه بأنه طُرح للمرة الأولى في أكتوبر. لكنها لا تنفي احتمال تقديمه أو مناقشته حديثاً أمام جمهور المؤتمر.
كيف تتكامل النماذج؟
تُظهر أوصاف النماذج المنشورة أجزاءً متكاملة من أدوات التعلم الروبوتي: يربط Pelican-VLA 0.5 المدخلات البصرية واللغوية بالأفعال المتوقعة والإطارات المستقبلية؛ ويحاكي Pelican-Sim 1.0 الملاحظات المتوقعة عند تنفيذ أفعال الروبوت؛ بينما يهدف Pelican-Unify إلى جمع الفهم والاستدلال والتخيّل والفعل في نموذج موحّد. 17
18
44
هذا تلخيص لأدوار النماذج كما تصفها تقاريرها، وليس دليلاً على أن هذه الأدوار عُرضت في المؤتمر باعتبارها مراحل متتابعة أو خارطة طريق معلنة.
ما الذي لم يتأكد بشأن الكلمة؟
يؤكد الموقع الرسمي أن ROSCon China 2026 كان مقرراً إقامته في شنغهاي بين 16 و18 أكتوبر. لكن صفحة المؤتمر المتاحة لا تثبت عنوان الكلمة الرئيسية أو اسم المتحدث أو موعدها في 17 أكتوبر، ولا توثّق مضمونها. 3
كذلك، لا تؤكد المصادر المتاحة التعريفات الدقيقة لمستويات التعميم الأربعة المنسوبة إلى الكلمة: تعميم الخلفية، والتركيبي، والعابر بين المجالات، وخارج نطاق التوزيع. ولا تؤكد التسلسل المقترح للبيانات والقدرات، بدءاً من فيديوهات منظور الشخص الأول من دون ربط بجسم روبوت، والتقاط UMI اليدوي، مروراً بالبيانات المحاكاة أو المولّدة وبيانات التعافي من الإخفاق، وصولاً إلى الاستدلال بنموذج العالم وتطوير السياسات اعتماداً على التغذية الراجعة.
ومن دون تسجيل للكلمة أو شرائحها أو ملخص رسمي مفصل، فإن نسبة هذه التعريفات والخطوات إلى Zou Shilong قد تعرض تفاصيل غير مؤكدة على أنها حقائق. كما لا تثبت الأدلة المقدمة أساليب تحليل التمثيلات أو التدخل في مسارات الانتباه أو الاختبارات السلوكية المزعومة لتحديد اعتماد النموذج على الإشارات البصرية واللغوية. ولا توثق العمل المقترح على التعافي من الإخفاقات الممتدة، أو حلقة محددة تربط المحاكاة داخل النموذج بتحديث السياسات والتحقق في العالم الحقيقي وبيانات التغذية الراجعة.
الخلاصة الأكثر استناداً إلى الأدلة أضيق نطاقاً: تبحث تقارير X-Humanoid المنشورة في ربط الإدراك بالمشاهد المتخيّلة والفعل، إلى جانب محاكاة العالم عبر النماذج. أما خارطة الطريق الأكثر تفصيلاً والمنسوبة إلى الكلمة، فلا يمكن التحقق منها من المصادر المتاحة.
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 ترسم نماذج Pelican ملامح الذكاء الموحّد للروبوتات؟"؟
تعرض نماذج Pelican أدواراً متكاملة: توليد الأفعال، ومحاكاة ما قد يراه الروبوت بعد تنفيذها، وتوحيد الفهم والاستدلال والتخيّل والفعل.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تعرض نماذج Pelican أدواراً متكاملة: توليد الأفعال، ومحاكاة ما قد يراه الروبوت بعد تنفيذها، وتوحيد الفهم والاستدلال والتخيّل والفعل. يجمع Pelican VLA 0.5 بين فهم الرؤية واللغة وتوليد إطارات مستقبلية والتنبؤ بالأفعال، وسجّل 91.4% نجاحاً في RoboTwin Clean و91.0% في RoboTwin Randomized بعد الضبط الدقيق.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
لا تثبت المصادر المتاحة أن تفاصيل خارطة الطريق المتداولة، أو تصنيف مستويات التعميم الأربعة، وردت في كلمة بعينها خلال ROSCon China 2026.
المصادر
arxiv.orgPelican-Sim 1.0: A General World Model Simulator for Embodied ...
github.comreadme.md - Pelican-VLA 0.5
huggingface.coREADME.md · X-Humanoid/Pelican-VLA05 at 5623cf1629aae870b973025a675e4534adc44d83