مصدر المقالة: Axis
تعمل Axis Robotics على إعادة بناء تنوع البيانات وإنتاجها على نطاق واسع من خلال استراتيجية الأولوية للمحاكاة (Simulation‑First).
بحلول عام 2025، تتقارب العديد من المسارات التقنية في صناعة الروبوتات بسرعة: ترقية سلسلة التوريد لمكونات الأجهزة المادية، مما يجعل النماذج الأولية المكلفة سابقًا قابلة للتنفيذ على نطاق واسع؛ نماذج الرؤية‑اللغة‑الحركة (VLA) التي تمنح الروبوتات “دماغًا” لفهم المعاني، والاستنتاج، والتخطيط؛ بالإضافة إلى هرم البيانات متعدد الطبقات المكون من الفيديو المسبق والمحاكاة التركيبية، الذي يمد مستمرًا وقودًا لتطور الذكاء المادي.
ومع ذلك، لا تزال الصناعة تواجه عائقًا رئيسيًا: البيانات. مقارنة بنماذج اللغة الكبيرة والقيادة الذاتية، لا تزال هناك فجوة هائلة في البيانات أثناء مرحلة التدريب المسبق للذكاء المادي. وفي إطار معالجة هذه الفجوة، تتقدم الصناعة عبر مسارات متعددة: بيانات العمليات واسعة النطاق لـ UMI، بيانات التفاعل الطبيعي من الفيديو من منظور الشخص الأول (Ego‑Centric)، ونظام البيانات التركيبية السريع التطور. في ظل تطور هذه المصادر الثلاثة، تتبلور توافقات تقنية جديدة بين الأوساط الأكاديمية والصناعية: الاعتماد على تدريب مسبق باستخدام بيانات محاكاة عالية الجودة وعلى نطاق واسع، ثم تعديل النموذج باستخدام كمية صغيرة من بيانات الأجهزة الحقيقية، هو أحد الطرق الأكثر جدوى حاليًا.
لكن هذا التوافق يفرض أيضًا متطلبات أعلى — يجب أن تتسم بيانات المحاكاة بجودة عالية، وتكلفة منخفضة، وقابلية للتوسع، وإلا فإن مشكلة ارتفاع تكلفة البيانات الحقيقية وضعف جودة المحاكاة ستستمر في إبطاء وتيرة تدريب النماذج.
فهل يقترب زمن “GPT” للذكاء المادي؟
الجواب من Axis هو نعم — بشرط أن يتم إعادة تشكيل طريقة إنتاج البيانات المادية بشكل كامل، وإعادة تعريف نماذج النشر في العالم الفيزيائي.
Axis Robotics تتيح للجميع المشاركة في جمع بيانات الذكاء المادي
تاريخيًا، كان جمع بيانات الروبوتات يعتمد على فرق خبراء صغيرة أو عمليات تحكم عن بعد محلية، مما يصعب توسيعه ويفتقر إلى التنوع الكافي. لكسر هذا القيد، تتبع Axis استراتيجية الأولوية للمحاكاة، وتبني بنية تحتية لبيانات الذكاء المادي من النهاية إلى النهاية، وتزيد بشكل كبير من قدرة إنتاج البيانات من خلال التعاون البشري الموزع. فالروبوت يخدم الإنسان، ويُبنى ويتطور باستمرار من خلال مشاركة واسعة من البشر.
منذ تأسيسها، أدركت Axis أن مجرد توفير البيانات غير كافٍ. لكسر مأزق البيانات في الذكاء المادي، يجب بناء خط تقني شامل يغطي جميع المراحل الأساسية من البداية للنهاية. وأهم ثلاثة مراحل هي: توليد المهام، جمع البيانات، وتقييم ومعالجة البيانات:
● توليد المهام: محرك مهام ديناميكي غير محدود التوسع
حدود البيانات تحدد حدود قدرات الروبوت. طورت Axis محرك توليد مهام ثلاثي الأبعاد ديناميكي من الجيل الجديد، يقسم المهارات الأساسية للروبوت إلى وحدات أساسية، ويمكنه توليد عدد هائل من المهام التركيبية عالية الجودة باستخدام كلمات توجيهية. من سيناريو واحد إلى مهام متسلسلة معقدة، يستطيع الروبوت التطور باستمرار ضمن فضاء مهام غير محدود.
● جمع البيانات: منصة جمع بدون عوائق للجميع
نقلت Axis بيئة المحاكاة المعقدة التي كانت تتطلب مختبرات متخصصة إلى متصفحات الويب والأجهزة المحمولة. يمكن للمستخدمين ببساطة فتح صفحة ويب، والتحكم في الروبوت والذراع الآلي في الوقت الحقيقي، وتوليد مسارات بيانات ذات قيمة عالية كما لو كانوا يلعبون لعبة. بدون عبء الأجهزة، وبدون عوائق تقنية — أصبح جمع البيانات متاحًا “في أي وقت، وأي مكان، للجميع”.
● تقييم ومعالجة البيانات: جعل كل قطعة من البيانات “مستخدمة، قابلة للتدريب، وقابلة للتوسع”
تمر كل مسار بيانات عبر نظام تقييم تلقائي طورته Axis، يقيم من حيث الاكتمال، الاستقرار، الفعالية، والسلاسة، ويقوم بمعالجة متعددة الأبعاد، لينتج في النهاية أصول بيانات جاهزة للتدريب على النماذج. لم تعد الجودة العالية تعتمد على الفحص اليدوي، بل تتحقق عبر قدرات نظامية لإنتاج واسع النطاق.
وراء هذه القدرات المتكاملة، أنشأت Axis بنية أساسية قوية. MetaSim هو الأساس الموحد الذي صمم خصيصًا للذكاء المادي، ويقوم بفصل المحاكيات، والتحقق من البيانات، وتعزيزها، وهو المحرك الرئيسي لتشغيل خط البيانات بشكل مستقر. بفضل MetaSim، يمكن للمستخدمين توليد العديد من مسارات الأداء البشري عبر محاكٍ ويب خفيفة، وإعادة إنتاجها بسلاسة في NVIDIA Isaac Sim للتحقق بدقة عالية. في الوقت نفسه، تستفيد Axis بشكل عميق من محرك الفيزياء والرسوميات القوي في Isaac Sim، لإنتاج تصيير عالي الدقة وتوليد نطاق عشوائي كبير (Domain Randomization). من خلال هذه الخطوة الأساسية، تتضاعف قيمة البيانات في انتقالها من المحاكاة إلى الواقع، وفي تدريب نماذج قوية، مما يعزز قدرة كل قطعة بيانات على التعميم والأداء في العالم الحقيقي.
(تم استخدام البيانات الأصلية التي تم جمعها عبر الويب بعد تعزيزها لتدريب النماذج، وإكمال نشرها على الأجهزة الحقيقية)
وفي الوقت نفسه، لا يمكن أن تنجح هذه البنية التحتية والنظام إلا إذا تم إنشاء آليات تحفيز وانتشار فعالة. هذا هو جوهر القيمة الفريدة لـ Crypto. تأمل Axis في استخدام Crypto كأساس لبناء شبكة تحفيزية وتوزيعية حقيقية تخدم عملية تطوير الذكاء المادي، بحيث يشارك المستخدمون العاديون حول العالم بشكل موزع.
من خلال هذه الشبكة، ستصبح مساهمات البيانات، وتنفيذ المهام، وردود الفعل التحفيزية شفافة، قابلة للتحقق، وقابلة للتتبع؛ والأهم من ذلك، تفتح إمكانيات جديدة لأصول جمع البيانات ومساراتها — بحيث يمكن لكل مشاركة أن تتحول إلى جزء من تدفق القيمة في منظومة الذكاء المادي.
Axis أثبتت صحة خط إنتاج البيانات من النهاية إلى النهاية من خلال مسار جمع البيانات الحقيقي وفعاليته في تدريب النماذج
في فعالية “وردة الأمير الصغير”، جمعت الفريق خلال ثلاثة أيام فقط أكثر من 10,000 مسار عالي الجودة من المجتمع. بعد إعادة تشغيلها، ومعالجتها بالتنعيم والتقنيات الأخرى، تم إدخالها مباشرة في تدريب السياسات، وأُطلق عليها في النهاية على ذراع فرانكا الآلي، لتحقيق مهمة الري الذاتي.
هذا الإنجاز يبرز قدرة Axis على النقل من المحاكاة إلى الواقع بدون عينات، ويؤكد لأول مرة أن: المحاكاة الجماعية عبر الويب يمكن أن تنتج بيانات عالية القيمة لتدريب نماذج الذكاء المادي.
أظهر المجتمع حماسًا كبيرًا تجاه تجربة منتجات Axis التي تجمع بين “اللعب والتحدي”. خلال جولتين من الاختبار استمرت 15 يومًا، شارك أكثر من 20,000 مستخدم، وبلغ إجمالي المسارات المجمعة أكثر من 170,000 مسار، ويمكن الاطلاع على جميع البيانات مباشرة عبر لوحة البيانات في المنتج.
مهمة Axis Robotics هي دفع الديمقراطية الحقيقية للذكاء المادي
تؤمن Axis أن، كما أن مستقبل الروبوتات سيخدم حياة كل شخص عادي، يجب أن يشارك الجميع في بناء الجيل القادم من الروبوتات. والأساس الذي تبني عليه القيمة الأساسية التي تقدمها السوق هو دعم ركيزتين:
- مجموعة بيانات محاكاة عالية الجودة للتدريب المسبق
تعمل Axis على توفير بيانات ذات معنى حقيقي لنماذج الروبوتات العامة. “الجودة العالية” لا تعني فقط الحجم، بل تتعلق أيضًا بتنوع المهام، وثراء المشاهد، وتركيب البيانات متعدد الوسائط. هدف Axis ليس مجرد توليد كميات هائلة من البيانات، بل إعادة تعريف المعايير الصناعية — ما هو نوع البيانات التي تعتبر جاهزة للاستخدام المباشر في التدريب المسبق، والتي تدفع التقدم الأكاديمي والصناعي في مجال الروبوتات.
- بنية تحتية قابلة للتوسع
بالإضافة إلى البيانات، تبني Axis بنية تحتية تقنية منخفضة العتبة ومرنة وقابلة للتوسع على المدى الطويل، وتعيد تعريف طريقة فتحها بشكل بيئي. رؤيتنا أن تكون هذه البنية التحتية ليست حكرًا على Axis فقط، بل تفتح أبوابها لجذب المزيد من المشاركين لبناء منظومة الذكاء المادي بشكل مشترك.
في المستقبل، سنقوم تدريجيًا بفتح واجهات بناء المهام، جمع البيانات، معالجتها، وتدريب النماذج، بحيث يمكن للمطورين، والمؤسسات البحثية، والشركات، والمجتمع المشاركة عبر ملحقات قابلة للتجميع. مع الحفاظ على الدقة التقنية، ستدعم هذه البيئة المفتوحة مشاركة واسعة النطاق، وإنتاج نماذج عالية الجودة، وتحويل بناء الذكاء المادي من عملية مغلقة إلى تعاون مفتوح حقيقي.
تعمل Axis على إقامة شراكات واسعة مع قطاعات التصنيع، ومصنعي الروبوتات، وشركات النماذج، بما في ذلك Lotus Auto، Booster Robotics، Qunhe Technology، YuanDian Intelligence، وغيرها، لدفع تطبيق البيانات، وتدريب النماذج، والنشر الفعلي.
على سبيل المثال، بالنسبة لشركات الروبوتات التي تحتاج إلى بيانات تحكم عن بعد على نطاق واسع، ستقوم Axis بتحويل الروبوتات إلى نسخ رقمية عالية الدقة، وباستخدام خط توليد المهام الديناميكي، ستبني بيئات ومهام جاهزة للمحاكاة. ثم، عبر نظام التوزيع الموزع للمهام، يمكن للمستخدمين حول العالم التحكم في النسخة الرقمية للروبوت مباشرة عبر المتصفح، والمساهمة في مسارات متنوعة وعالية الجودة، وتحقيق إنتاج البيانات والتعاون التجاري بطريقة قياسية ومنخفضة التكلفة.
مع تطور سلسلة التوريد للأجهزة، وانخفاض تكاليف التصنيع، يتحول مركز قيمة صناعة الذكاء المادي من الأجهزة إلى النماذج الأساسية والبيانات. في سوق الذكاء المادي الذي يُتوقع أن يصل إلى تريليونات الدولارات، من المتوقع أن تشكل البيانات وخوارزميات الذكاء الاصطناعي حوالي 10% من القيمة الصناعية الأساسية. ومع تحسين دقة المحاكاة، وتطبيق تقنيات التوليد العشوائي، تتغير البيانات التركيبية من أدوات مساعدة إلى عنصر إنتاج رئيسي، وتنمو لتصبح مسار بنية تحتية بقيمة مئات المليارات من الدولارات.
وفي مواجهة هذا الطلب السوقي المحتمل، تعيد Axis Robotics تشكيل نموذج المحاكاة عن طريق واجهة ويب خفيفة ونظام توزيع المهام الموزع، لتحويل نمط التحكم عن بعد التقليدي “المكلف، المركز، ذو الأصول الثقيلة” إلى شبكة بيانات عالمية يمكن توسيعها بشكل أسي.
من خلال خفض تكاليف الإنتاج الحدية، وزيادة قدرة جمع المسارات عالية التوازي، لا توفر Axis حلول بيانات فعالة وقابلة للتوسع فحسب، بل تخلق أيضًا نموذج أعمال ذات نمو قوي، وإمكانات ربحية واسعة، وقابلية للتكرار في سوق البيانات المتزايد للذكاء المادي.
نحو لحظة “GPT” للذكاء المادي
تتطلب لحظة “GPT” للذكاء المادي محركًا أساسيًا قادرًا على التقاط ذكاء الإنسان وتحويله بشكل مستقر إلى قدرات تنفيذ آلية قابلة للتحقق. مع إطلاق شبكة الأساس (Base Chain) رسميًا، تعمل Axis على نشر بنية تحتية موزعة مستقبلية — شبكة مفتوحة مرنة، وقادرة على استيعاب التعاون العالمي.
في 25 مارس، أُطلق المنتج الرئيسي لـ Axis رسميًا، وفتح للجميع: المستخدمون العاديون، الباحثون، المطورون، ومختبرات الذكاء الاصطناعي حول العالم، ليشاركوا في بناء أكبر مجموعة بيانات تدريب للروبوتات وأكثرها تنوعًا في التاريخ.
الذكاء المادي لن يُحتكر من قبل قلة؛ بل سيكون من صنع الجميع.
هذا المقال من تقديم المساهمة، ولا يعبر عن رأي BlockBeats.
انقر لمعرفة الوظائف المتاحة في BlockBeats
نرحب بانضمامكم إلى المجتمع الرسمي لـ BlockBeats:
قناة Telegram: https://t.me/theblockbeats
مجموعة Telegram: https://t.me/BlockBeats_App
حساب Twitter الرسمي: https://twitter.com/BlockBeatsAsia
