إذا كان بإمكان روبوت أن يتعلم حركة واحدة فقط

فهو في الحقيقة ليس بذلك الذكاء بعد

المشكلة الحقيقية هي:
بعد أن يتعلم الإمساك بالأشياء، هل يمكنه أيضًا تصنيفها بشكل مستمر؟
بعد إتمام التصنيف، هل يمكنه الاستمرار في نقلها؟
وهذا هو أكثر جزء يثير الاهتمام في تحديث Axis هذه المرة

الآن بدأوا في تفكيك قدرات الروبوت إلى سلسلة من الخبراء Expert
الإمساك = مهارة
التصنيف = مهارة
النقل = مهارة
الوضع/الوضْع في المكان = مهارة

ثم يقومون بربط هذه المهارات مباشرة كسلسلة:
الإمساك → التصنيف → النقل → الوضع في المكان
بعد أن ينهي كل Expert دوره، يسلم النتيجة إلى Expert التالي

يمكن فهم الأمر على أنه:
في السابق كنّا نُعلّم الروبوت حلّ مسألة واحدة
والآن بدأوا في تجميع شجرة مهارات له
وليست هذه مجرد قصة

في أحدث تجارب Axis، هناك رقم مباشر جدًا يوضّح ذلك:
معدل نجاح الروبوت الحقيقي 22% → 52%

لقد أخذوا بيانات العالم الحقيقي الناتجة عن الاستراتيجية بعد النشر
ثم عادوا بها لإكمال التدريب، فارتفع معدل النجاح بشكل واضح

وهناك رقم آخر مهم أيضًا: $5–$10 / task

تكلفة تدريب Expert واحد يمكنها أن تصل إلى هذا المستوى تقريبًا
تدريب Expert واحد على جهاز A100 يستغرق حوالي 3–6 ساعات

لذلك الآن، عند النظر إلى Axis، لا يبدو أنهم حريصون فقط على السؤال:
كم عدد مجموعات البيانات التي جمعوها مرة أخرى
لأن كثرة البيانات لا تعني بالضرورة أن الروبوت قد تعلم فعلًا شيئًا

الأهم هو معرفة:
كم عدد المهارات الحقيقية التي يمكن أن تتراكم من هذه البيانات—مهارات قابلة للاستخدام وإعادة الاستخدام ويمكن دمجها معًا؟

وهذا هو الفرق

إذا تعلم الروبوت اليوم الإمساك
وتعلم غدًا التصنيف
ويتعلّم بعد غد النقل
وأخيرًا يستطيع تجميع هذه القدرات معًا
فإنه لا يحصل على مجرد حركات منفصلة
بل على مجموعة يمكن توسيعها باستمرار:
Robot Skills Library

لذا الآن شعور Axis يتجه تدريجيًا من:
More Data
إلى:
More Skills → Skills Can Compose → More Complex Tasks

البيانات مجرد البداية
الأهم فعلًا هو ماذا يمكن للروبوت أن يتعلمه من هذه البيانات

#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI