مولمو بوت: الذكاء الاصطناعي الفيزيائي عبر المحاكاة

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي ١٢ مارس ٢٠٢٦

يعد الذكاء الاصطناعي الفيزيائي من المجالات المتطورة بشكل سريع، حيث يقود هذا التطور مبادرات مثل مشروع مولمو بوت من معهد آي 2 (Ai2). يعتمد هذا المشروع على بيانات المحاكاة الافتراضية لتدريب الروبوتات على التفاعل مع العالم الحقيقي، مما يقلل من الاعتماد على جمع البيانات المكلف واليدوي.

التحول نحو المحاكاة الافتراضية

لطالما اعتمدت تقنيات الذكاء الاصطناعي على جمع بيانات كبيرة من العالم الحقيقي لتدريب الأنظمة على الأداء الفعال. على سبيل المثال، تضمن مشروع DROID جمع 76,000 مسار تم تجميعها عبر 13 مؤسسة، وهو ما يمثل حوالي 350 ساعة من الجهد البشري. كما أن مشروع RT-1 من جوجل ديب مايند استغرق 17 شهراً لجمع 130,000 حلقة.

نموذج اقتصادي جديد مع مولمو بوت

يقدم الباحثون من آي 2 نموذجًا اقتصاديًا مختلفًا مع مولمو بوت، وهو مجموعة من نماذج الروبوتات المدربة بالكامل على بيانات اصطناعية. حيث تم إنتاج 1.8 مليون مسار خبير باستخدام محرك فيزياء MuJoCo مع تغييرات كبيرة في نطاق المحاكاة، مثل تنويع الأجسام وزوايا الكاميرا وظروف الإضاءة.

توليد البيانات الافتراضية وأثرها

باستخدام 100 وحدة معالجة رسومات من نوع Nvidia A100، تمكن الباحثون من إنشاء حوالي 1,024 حلقة لكل ساعة GPU، مما يعادل أكثر من 130 ساعة من تجربة الروبوت لكل ساعة زمن حقيقي. وهذا يمثل زيادة قدرها أربعة أضعاف في تدفق البيانات مقارنةً بجمع البيانات من العالم الحقيقي، مما يؤثر بشكل مباشر على العائد على الاستثمار للمشاريع.

اختبارات عملية ناجحة

حقق النموذج الأساسي من مولمو بوت معدل نجاح بلغ 79.2% في اختبارات التقاط ووضع الأجسام، متفوقًا على نموذج π0.5 المدرب على بيانات واسعة من العالم الحقيقي، الذي حقق 39.2%. قامت السياسات المختلفة أيضًا بتنفيذ مهام مثل الاقتراب والإمساك وسحب الأبواب بفعالية.

الإصدارات المفتوحة والمستقبل

تسمح الإصدارات المفتوحة لمجموعة مولمو بوت، بما في ذلك بيانات التدريب وأنظمة الجيل والهندسة المعمارية للنماذج، بمراجعة داخلية وتكيف. يمكن لأي شخص يستكشف الذكاء الاصطناعي الفيزيائي الاستفادة من هذه الأدوات المفتوحة لبناء أنظمة فعالة مع التحكم في التكاليف.

يؤكد علي فارهادي، الرئيس التنفيذي لـ آي 2: "لكي يتقدم الذكاء الاصطناعي حقًا، يجب ألا يعتمد التقدم على بيانات مغلقة أو أنظمة معزولة، بل يتطلب بنية تحتية مشتركة يمكن للباحثين في جميع أنحاء العالم البناء عليها واختبارها وتحسينها معًا."