Xiaomi Robotics-1: المزيد من البيانات يهزم النماذج الأكبر — كيف تعيد شاومي تشكيل تدريب الروبوتات

مشكلة البيانات في الذكاء الاصطناعي للروبوتات

نماذج اللغة الكبيرة لديها سهولة في الوصول إلى البيانات — فهي تتدرب على تريليونات الكلمات من الإنترنت العام: مقالات، كتب، منتديات، أكواد. يواجه الذكاء الاصطناعي للروبوتات واقعًا مختلفًا تمامًا. البيانات المفيدة حول حركة الروبوتات — كيفية الإمساك بالأشياء، رفعها، تدويرها، ووضعها — نادرة ومكلفة في الإنتاج. النهج التقليدي يتطلب من الإنسان توجيه روبوت فعلي عن بعد عبر كل حركة — عملية بطيئة ومكلفة، وغالبًا ما تنتج بيانات متكررة من نفس المهام في نفس الظروف.

يهدف نموذج Xiaomi-Robotics-1 الجديد من شاومي إلى كسر هذا الاختناق. يتبع النموذج نموذجًا للقياس مشابهًا لنماذج اللغة الكبيرة: يتحسن أداؤه كلما تدرب على المزيد من البيانات. ولكن على عكس نماذج LLM، التي يمكنها الاستفادة من الإنترنت المكتوب بأكمله، كان على شاومي بناء مجموعة البيانات الخاصة بها من الصفر — والطريقة التي فعلوا بها ذلك هي ربما الجزء الأكثر إثارة للاهتمام في البحث.

أداة إمساك يدوية تحل محل الروبوتات باهظة الثمن

لتجاوز عنق الزجاجة في جمع البيانات، تخلت شاومي إلى حد كبير عن الروبوتات الفعلية خلال مرحلة جمع البيانات. بدلاً من ذلك، طوّر الفريق أدوات إمساك يدوية محمولة مزودة بكاميرات — جهاز بسيط يلتقطه الشخص بيده ويشغله يدويًا. هذا الإعداد يسمح بتسجيل مهام التلاعب في المطابخ والمكاتب والمتاجر وأرضيات المصانع والمساحات الخارجية دون وجود روبوت على الإطلاق.

كانت النتيجة أكثر من 100,000 ساعة من تسجيلات الحركة عبر أكثر من 1,700 بيئة مختلفة — نطاق غير مسبوق لبيانات تدريب الروبوتات. هذا الحجم الهائل من البيانات يخلق تحديه الخاص: كل تسجيل يحتاج إلى وصف نصي يمكن للنموذج التعلم منه. كان وضع العلامات يدويًا غير عملي، لذا استخدمت شاومي نموذج ذكاء اصطناعي آخر لوصف كل جزء حركة في النص. يبلغ الفريق أن مجموعة البيانات بأكملها تم وضع العلامات عليها في حوالي أسبوعين.

هذا النهج مهم يتجاوز مختبرات شاومي. بالنسبة للبلدان والمناطق التي لا تزال فيها أبحاث الروبوتات في مراحلها الأولى — بما في ذلك العالم العربي والشرق الأوسط — فإن القدرة على جمع بيانات تدريب عالية الجودة بأدوات محمولة منخفضة التكلفة تخفض بشكل كبير حاجز الدخول. لم تعد المجموعات البحثية بحاجة إلى أساطيل روبوتات بملايين الدولارات للمساهمة بشكل هادف في تطوير الذكاء الاصطناعي للروبوتات.

لماذا المزيد من البيانات أهم من حجم النموذج

النتيجة المركزية لبحث Xiaomi-Robotics-1 واضحة ومهمة: بينما زيادة حجم النموذج تحسن الأداء، فإن إضافة المزيد من بيانات التدريب تحقق مكاسب أكبر بكثير من إضافة قوة حوسبية. يصرح الباحثون بشكل قاطع أن التقدم في الذكاء الاصطناعي للروبوتات سيعتمد بشكل أساسي على جمع مجموعات بيانات أكبر وأكثر تنوعًا.

هذه النتيجة تتماشى مع ما أظهره الباحثون للبيانات البصرية في أوائل مارس 2026. بالنسبة لنماذج اللغة، يملي قانون القياس أن حجم النموذج وكمية البيانات يجب أن ينما بنفس المعدل تقريبًا للاستخدام الأمثل لميزانية حوسبية ثابتة. يتغير هذا التوازن عندما يجب على النموذج معالجة الصور بدلاً من النص فقط — في المجالات البصرية اللغوية، إضافة البيانات تساعد أكثر بكثير من زيادة حجم النموذج. توسع شاومي هذا المبدأ ليشمل مجال الروبوتات.

النتائج مع الروبوتات الفعلية مذهلة. مع زيادة شاومي لكمية بيانات التدريب، ارتفع معدل نجاح النموذج في البيئات غير المألوفة من حوالي 25% إلى 75%. يلاحظ الباحثون أنهم لم يصلوا بعد إلى نقطة حيث تتوقف البيانات الإضافية عن تحسين الأداء — منحنى القياس لا يظهر علامات على الثبات. هذا يشير إلى أن إمكانات التحسين القائم على البيانات في الذكاء الاصطناعي للروبوتات لا تزال هائلة وغير مستغلة إلى حد كبير.

في مقاييس الذكاء الاصطناعي للروبوتات القياسية، سجل Xiaomi-Robotics-1 أفضل النتائج حتى الآن. في لوحة متصدرين RoboCasa365، يتقدم بفارق كبير، خاصة في المهام التركيبية غير المرئية سابقًا. في مقياس RoboDojo، سجل أعلى بحوالي 58% من صاحب المركز الثاني، على الرغم من أن معدلات النجاح المطلقة لا تزال متواضعة.

التكيف مع المهام الجديدة بأقل البيانات

القيمة الحقيقية للنموذج الأساسي تكمن في قدرته على التكيف بسرعة مع المهام الجديدة. اختبرت شاومي Xiaomi-Robotics-1 على أربع مهام غير مرئية: تغليف هاتف، تحميل الغسيل في الغسالة، تغذية الورق في الطابعة، وتعبئة العناصر في صندوق.

بأقل من عشر ساعات من بيانات التدريب لكل مهمة، حقق النموذج متوسط معدل نجاح 75%. للمقارنة، نموذج منافس من Physical Intelligence تمكن من 40% فقط على نفس المقياس. تشير شاومي إلى أن نموذجها أدى بشكل جيد بشكل خاص مع المواد اللينة القابلة للتشوه مثل الورق وفي المهام التي تتطلب الحركة عبر الغرفة — تحديدًا أنواع التحديات التي أثبتت تاريخيًا صعوبتها للأنظمة الروبوتية الصلبة المبرمجة.

هذه القدرة على التكيف السريع ذات صلة خاصة بسيناريوهات النشر العملي. في التطبيقات الواقعية — سواء في مستودع عربي، فندق، أو مصنع — ستحتاج الروبوتات إلى تعلم مهام جديدة بسرعة مع الحد الأدنى من بيانات العرض. أداء Xiaomi-Robotics-1 يشير إلى أن هذه الرؤية أصبحت قابلة للتحقيق بشكل متزايد.

مشهد أبحاث الذكاء الاصطناعي للروبوتات

نهج شاومي هو واحد من عدة استراتيجيات متنافسة في مشهد الذكاء الاصطناعي للروبوتات سريع التطور. استطلاع مايو لنماذج العمل العالمية، الذي راجع حوالي 100 دراسة، وجد أن بيانات التشغيل عن بعد — النهج التقليدي — دقيقة ولكنها مكلفة ومحصورة في بيئات محدودة. أدوات الإمساك اليدوية من شاومي تعالج هذه القيود بشكل مباشر.

اتخذت Nvidia وجامعة كارنيجي ميلون وجامعة كاليفورنيا في بيركلي مسارًا مختلفًا مع مشروع ENPIRE، باستخدام وكلاء ترميز ذكاء اصطناعي لتعليم أسطول من ثمانية روبوتات بشكل مستقل كيفية الإمساك بالأشياء. تبحث Nvidia أيضًا في توليد بيانات تدريب اصطناعية، بهدف تحويل مشكلة البيانات في الروبوتات إلى مشكلة حوسبية.

معهد الأبحاث الصيني BAAI يستكشف اتجاهًا آخر. نموذج العالم Orca الخاص بهم يتعلم من 125,000 ساعة فيديو بدون أي علامات فعل ومع ذلك يضاهي النموذج المتخصص pi0.5 في خمس مهام تلاعب. حيث تقوم شاومي بأتمتة وضع العلامات وتطبيقه على نطاق واسع، يحاول Orca القضاء على العلامات تمامًا — نهج أكثر جذرية قد يثبت قيمته إذا تم توسيعه.

تعمل Physical Intelligence كنقطة مرجعية لكلا المعسكرين. واجهت الشركة انتقادات في أبريل بعد إطلاق pi0.7 عندما ادعت أن النموذج يمكنه التعميم بينما ربما كان يتذكر بيانات تدريب مماثلة. نتيجة شاومي بأن حجم البيانات أهم من الحوسبة تجعل هذه المسألة أكثر صعوبة في الحل.

ماذا يعني هذا للعالم العربي والنظم البيئية التكنولوجية الناشئة

للمجتمع التكنولوجي العربي الأوسع، يحمل بحث شاومي العديد من الآثار المهمة. أولاً، إضفاء الطابع الديمقراطي على جمع البيانات — باستخدام أدوات يدوية بسيطة بدلاً من الروبوتات باهظة الثمن — يعني أن الفرق الأصغر والشركات الناشئة يمكنها المشاركة في تطوير الذكاء الاصطناعي للروبوتات. الشركات الناشئة العربية يمكنها نظريًا جمع بيانات التلاعب في البيئات المحلية، والمساهمة في مجموعات بيانات الروبوتات العالمية أو بناء نماذج متخصصة للتطبيقات المحلية.

ثانيًا، نتيجة "البيانات فوق الحوسبة" مشجعة للنظم البيئية ذات الوصول المحدود إلى مجموعات وحدات معالجة الرسوميات الضخمة. إذا كانت جودة البيانات وكميتها يمكن أن تعوض جزئيًا عن القيود الحوسبية، فإن الفرق في المراكز التكنولوجية الناشئة يمكنها التنافس على أساس الابتكار بدلاً من الإنفاق على البنية التحتية.

ثالثًا، التزام شاومي بالمصدر المفتوح — سيتم إصدار النموذج والكود على GitHub و Hugging Face — يعني وصولاً فوريًا للباحثين والمطورين في جميع أنحاء العالم. الجامعات العربية ومختبرات الذكاء الاصطناعي والمطورون المستقلون يمكنهم التجربة بهذه النماذج، والبناء عليها، وربما المساهمة بالتحسينات مرة أخرى للمجتمع.

الطريق إلى الأمام

يمثل Xiaomi-Robotics-1 خطوة هامة إلى الأمام، ولكنه يسلط الضوء أيضًا على مقدار ما تبقى عمله. معدلات النجاح المطلقة في المقاييس، على الرغم من كونها رائدة، لا تزال أقل مما هو مطلوب للنشر التجاري الموثوق في البيئات غير المنظمة. نقاط قوة النموذج — التعامل مع الأشياء القابلة للتشوه، التنقل في الغرف، التكيف مع المهام الجديدة — حقيقية، لكن الفجوات لا تزال قائمة.

يتناسب البحث أيضًا مع الصورة الاستراتيجية الأوسع لشاومي. عندما قدمت الشركة نماذج MiMo-V2 في مارس، صرحت أن وكلاء الذكاء الاصطناعي هؤلاء سيتمكنون في النهاية من التحكم في الروبوتات. Xiaomi-Robotics-1 هو جزء رئيسي من هذه الرؤية — جسر بين وكلاء الذكاء الاصطناعي القادرين على اللغة والأنظمة الروبوتية الفعلية التي يمكنها العمل في العالم الحقيقي.

ربما تكون النتيجة الأكثر عمقًا هي هذه: عصر الذكاء الاصطناعي للروبوتات لم يعد في المقام الأول مشكلة هندسية لبناء نماذج أكبر. إنه بشكل متزايد مشكلة بيانات — مشكلة جمع وتوسيع نطاق بيانات التفاعل المتنوعة من العالم الحقيقي. أظهرت شاومي أنه مع الإبداع في جمع البيانات والالتزام بالتوسع، حتى القيود الفيزيائية للروبوتات يمكن معالجتها من خلال الذكاء الاصطناعي المرتكز على البيانات. للباحثين والشركات الناشئة والمجتمعات التكنولوجية في جميع أنحاء العالم — بما في ذلك العالم العربي — هذا يفتح بابًا كان الكثيرون يعتقدون أنه مغلق بإحكام.

📖 المصدر