نفيديا تمنح كل مختبر روبوتات دفعة قوية موحدة

حتى وقت قريب، كان تدريب روبوت بشري متعدد الأغراض لالتقاط قارورة ووضعها في رف يعني شراء أجهزة متخصصة باهظة الثمن، والتعامل مع حزم برمجية خاصة، أو الاعتماد على بيئات محاكاة نادرًا ما تنتقل بسلاسة إلى العالم الحقيقي. إصدار نفيديا لـ GR00T 1.7 على LeRobot، إلى جانب إطار عمل Isaac Teleop، يدمج هذا المسار في سير عمل واحد مفتوح المصدر يمكن لأي مختبر يمتلك ذراع SO-101 ووحدة معالجة رسومية تشغيله.

ما الذي تغير

GR00T 1.7 هو نموذج أساسي من نوع Vision-Language-Action للروبوتات البشرية. فهو يلتقط إطارات الكاميرا وتعليمات اللغة، ثم ينتج تسلسلات إجراءات على مستوى المفاصل. يحل النموذج محل GR00T N1.5 في نظام LeRobot البيئي، مما يعني أن الفرق التي تستخدم LeRobot بالفعل يمكنها تبديل النماذج دون إعادة هندسة خط الأنابيب الخاص بها. يوفر Isaac Teleop مسارين لجمع البيانات: سماعة رأس للواقع الافتراضي مع وحدات تحكم يدوية، أو ذراع القائد SO-101. يسجل كلاهما العروض التوضيحية بتنسيق تستهلكه نصوص تدريب LeRobot مباشرة.

تظل جودة البيانات وكميتها العائق الرئيسي في تعلم الروبوتات. الأنظمة الاحتكارية من Boston Dynamics أو Tesla تنتج عروضًا توضيحية مصقولة ولكنها تحبس الباحثين خارج الحلقة. LeRobot، وهو إطار عمل مفتوح المصدر من Hugging Face، يستضيف بالفعل مئات مجموعات البيانات التوضيحية. من خلال دمج GR00T 1.7 في ذلك النظام البيئي، تراهن نفيديا على أن خطوط أنابيب البيانات المفتوحة ستسرع تطوير الروبوتات البشرية بشكل أسرع من أي جهود مغلقة لمختبر واحد.

فحص واقعي للمعايير

الأرقام التي صدرت مع GR00T 1.7 مذهلة. على مجموعة معايير LIBERO، التي تغطي 130 مهمة معالجة على الطاولة تختبر التعميم المكاني والكائني والهدف وطويل الأفق، حقق النموذج متوسط نجاح 96.5%، مرتفعًا من 87% لـ GR00T 1.5. كانت أكبر قفزة في LIBERO-Spatial، من 82% إلى 95%. وصل LIBERO-Object إلى 100%، وLIBERO-Long، الذي يختبر قدرة النموذج على ربط خطوات متعددة، ارتفع من 82% إلى 93%.

يجب قراءة هذه الأرقام بالدقة التي تستحقها. تُجرى مهام LIBERO في بيئة طاولة خاضعة للتحكم باستخدام ذراع روبوت واحد، وليس روبوتًا بشريًا ديناميكيًا يمشي ويمسك في البرية. يقيس المعيار الضبط الدقيق بعد التدريب المسبق، وليس التعميم الصفري من النموذج الأساسي. ومع ذلك، فإن مسار التحسن موثوق. مكسب متوسط يقارب عشر نقاط في جيل واحد يشير إلى أن البنية ووصفة التدريب يتوسعان بفعالية.

مجموعة مفتوحة، أجهزة حقيقية

تنشر نفيديا أوزان GR00T 1.7 بموجب ترخيص نموذج مفتوح على Hugging Face (nvidia/GR00T-N1.7-3B)، ويتولى تكامل LeRobot التثبيت والتدريب والنشر ببضعة أوامر. سير العمل مباشر: تثبيت LeRobot مع إضافات GR00T، جمع 50 حلقة من البيانات التوضيحية عبر Isaac Teleop، الضبط الدقيق لمدة 20,000 خطوة على RTX 6000 Pro (أو متعددة وحدات معالجة الرسوم عبر accelerate)، ثم النشر باستخدام lerobot-rollout. توفر الشركة أيضًا مثيل BreV بنقرة واحدة للتدريب على وحدة معالجة رسومية سحابية.

جانب جمع البيانات هو حيث يضيف الإصدار مساحة سطحية حقيقية. يدعم Isaac Teleop كلاً من سماعات الرأس للواقع الافتراضي وذراع القائد SO-101، وهو ذراع محرك تسلسلي منخفض التكلفة يُباع للبحث. هذا المسار المزدوج مهم. يوفر الواقع الافتراضي حدسًا للعروض التوضيحية الشبيهة بالبشر، بينما يسمح ذراع القائد للباحثين بالتحكم بدقة في تسلسلات الحركة على مستوى المفاصل. ينتج كلا المسارين مجموعات بيانات LeRobot التي تُدفع مباشرة إلى Hugging Face Hub.

تشير نفيديا أيضًا إلى أن مستخدمي DGX Spark، وهم بشكل أساسي مطورون يعملون محليًا على أجهزة نفيديا المتخصصة، يحصلون على بنيات torch المُحسّنة لـ CUDA 13. من الواضح أن النظام البيئي مصمم لتقليل الاحتكاك للفرق التي راهنت بالفعل على أجهزة نفيديا، ولكن الطبيعة مفتوحة المصدر لـ LeRobot تعني أن مستخدمي AMD و Apple Silicon يمكنهم المشاركة أيضًا، وإن كان ذلك بدون نفس ضمانات السرعة.

ما لا يقوله الإصدار

يبقى سؤالان دون إجابة. أولاً، نموذج GR00T 1.7 هو محول بقدرة 3 مليارات معلمة، مما يضعه في نفس فئة الحوسبة مثل العديد من نماذج اللغات الصغيرة. يمكن ضبطه بدقة على وحدة معالجة رسومية واحدة عالية المستوى ولكن ليس على كمبيوتر محمول. لا تنشر نفيديا أرقام زمن الاستدلال للنموذج على أجهزتها الخاصة، مما يجعل من الصعب تقييم الجدوى في الوقت الفعلي على الروبوتات منخفضة التكلفة مثل SO-101.

ثانيًا، جميع نتائج المعايير تأتي من نفس سير عمل LeRobot ونوع الروبوت. التعميم على سلاسل حركية مختلفة، أو تكوينات كاميرا، أو بيئات سيتطلب ضبطًا دقيقًا إضافيًا. تؤطر نفيديا هذا كميزة، فالنقطة الكاملة من LeRobot هي التكيف، ولكن这意味着 أيضًا أن معدل النجاح 96.5% هو حد أعلى، وليس ضمانًا.

الصورة الأوسع

اللعب هنا من نفيديا ليس لبناء أفضل روبوت بشري، بل لامتلاك منصة البرمجيات التي سيشغلها كل روبوت بشري. من خلال جعل GR00T 1.7 متاحًا عبر LeRobot، تقوض الشركة البرمجيات الوسيطة المتخصصة للروبوتات وتضع أجهزتها، من RTX 6000 Pro إلى DGX Spark، كبنية تحتية تدريب افتراضية. يقدم المنافسون مثل Open X-Embodiment من Google وعمل Meta على الذكاء الاصطناعي المجسد أساليب بديلة، لكن لم يربط أي منها جمع البيانات والضبط الدقيق والنشر في خط أنابيب مفتوح واحد مع القليل من الاحتكاك مثل هذا الإصدار.

للمختبرات الأكاديمية والشركات الناشئة التي تبني على SO-101 أو أذرع مماثلة، أصبح المسار من العرض التوضيحي إلى السياسة الوظيفية أقصر بشكل كبير. ما إذا كان هذا يترجم إلى روبوتات بشرية أفضل للأغراض العامة في البرية يعتمد على عدد الفرق التي تجمع بالفعل مجموعات البيانات المكونة من 50 حلقة اللازمة للضبط الدقيق، ومدى جودة نقل النموذج عندما تتغير الطاولة أو الإضاءة أو القارورة.