🤖 AI

VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation

تقدم الورقة البحثية منصة VILAS، وهي منصة روبوتية نمطية منخفضة التكلفة تتميز بقابض ناعم قائم على تقنية الكيريغامي وإطار عمل موحد للاتصالات، والتي نجحت في استعراض تدريب ونشر نماذج الرؤية واللغة والعمل المتطورة من أجل التلاعب الآمن والمباشر بالأشياء الهشة مثل العنب.

المؤلفون الأصليون: Zijian An (Luna), Hadi Khezam (Luna), Bill Cai (Luna), Ran Yang (Luna), Shijie Geng (Luna), Yiming Feng (Luna), Yue (Luna), Zheng, Lifeng Zhou

نُشر 2026-05-06

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zijian An (Luna), Hadi Khezam (Luna), Bill Cai (Luna), Ran Yang (Luna), Shijie Geng (Luna), Yiming Feng (Luna), Yue (Luna), Zheng, Lifeng Zhou

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تريد تعليم روبوت كيفية التقاط فاكهة رقيقة، مثل العنب، دون سحقها. عادةً ما يكلف بناء روبوت ذكي بما يكفي للقيام بذلك ثروة طائلة — تخيل عشرات الآلاف من الدولارات — ويتطلب مستشعرات معقدة وباهظة الثمن لـ "الشعور" بمدى قوة الضغط.

قرر مؤلفو هذه الورقة البحثية، VILAS، بناء نسخة أرخص وأذكى وأكثر سهولة في الوصول إليها. فقد أنشأوا منصة روبوت "منخفضة التكلفة" يمكنها تعلم مهام مثل هذه باستخدام نوع جديد من الذكاء الاصطناعي يسمى VLA (الرؤية-اللغة-الفعل). فكر في الـ VLA كدماغ لروبوت يمكنه "رؤية" العالم، و"قراءة" تعليمات بسيطة (مثل "التقط العنب")، ومن ثم تحديد كيفية تحريك ذراعه للقيام بذلك فوراً، كل ذلك في خطوة واحدة.

إليك تفصيل لكيفية بنائهم لهذا النظام وما وجدوه، باستخدام تشبيهات بسيطة:

1. جسم الروبوت: الرياضي "صديق الميزانية"

بدلاً من شراء روبوت بحثي بقيمة 33,000 دولار (مثل نظام ALOHA الشهير)، قاموا ببناء روبوتهم الخاص باستخدام قطع جاهزة بلغت تكلفتها الإجمالية حوالي 8,000 دولار.

الذراع: استخدموا ذراعاً تعاونية من نوع Fairino FR5. فكر في هذا كذراع صناعية موثوقة، تتسم بالنعومة والدقة، لكنها أرخص بكثير من تلك المخصصة التي تُستخدم عادةً في المختبرات.
اليد: استخدموا قابضاً كهربائياً قياسياً (Jodell RG52-50)، وهو يشبه يداً ميكانيكية أساسية يمكنها الفتح والإغلاق.
العيون: قاموا بتثبيت كاميرتين: واحدة تنظر من الأعلى (رؤية "من منظور الطائرة بدون طيار") والأخرى على المعصم (رؤية "قريبة جداً") لرؤية ما تلمسه اليد بدقة.

2. السر الخفي: القفاز الناعم "الأوريغامي"

التحدي الأكبر هو التقاط الأشياء الهشة دون سحقها. عادةً ما تحتاج إلى مستشعرات باهظة الثمن لقياس القوة. لم يستخدم VILAS هذه المستشعرات؛ بدلاً من ذلك، صمموا ملحقاً ناعماً ومتوافقاً باستخدام تقنية تسمى Kirigami.

التشبيه: تخيل أخذ ورقة مسطحة وقص أنماط محددة فيها (مثل القالب أو الاستنسل). عندما تضغط على هذه الورقة، فإنها لا تتجعد فحسب، بل تنطوي وتنحني بشكل طبيعي لتشكل شكلاً ثلاثي الأبعاد، مثل زهرة تتفتح أو صدفة تتشكل.
كيف يعمل: قاموا بطباعة هذا "الغلاف الكيريغامي" بتقنية ثلاثية الأبعاد وثبتوه على قابض الروبوت الصلب. عندما يغلق الروبوت يده، ينضغط هذا الغلاف الناعم ويلتف حول العبوة بلطف. إنه يعمل كـ شبكة أمان سلبية: المادة نفسها تمتص الضغط، مما يضمن عدم سحق العنب، حتى لو لم يكن لدى الروبوت مستشعر "شعور". الأمر يشبه ارتداء قفاز سميك وناعم يحمي يدك دون الحاجة للتفكير في مدى قوة ضغطك.

3. الدماغ: تعليم الروبوت عبر "التحكم عن بُعد"

لتعليم الروبوت، لم يقوموا بكتابة أكواد برمجية معقدة. بدلاً من ذلك، استخدموا نظام التحكم عن بُعد (Teleoperation).

التشبيه: تخيل إنساناً يرتدي قفازاً "سيداً" (ذراع مطبوعة ثلاثية الأبعاد منخفضة التكلفة تسمى GELLO). عندما يحرك الإنسان يده، ينسخ الروبوت (الـ "تابع") الحركة فوراً.
يقوم الإنسان بالتقاط العنب ووضعه في صندوق 100 مرة. يسجل الروبوت كل حركة، وكل زاوية كاميرا، والأمر الصوتي ("التقط العنب"). هذا ينشئ "كتاباً مدرسياً" من 100 تجربة توضيحية.
بعد ذلك، أخذوا ثلاثة نماذج مختلفة من أدمغة الذكاء الاصطناعي المتطورة ( $\pi_0$ ، $\pi_0.5$ ، و GR00T N1.6) وقاموا بـ "ضبطها بدقة" باستخدام هذا الكتاب المدرسي. لم يعلموا الذكاء الاصطناعي من الصفر؛ بل عرضوا عليه أمثلتهم الخاصة فقط ليتعلم المهمة.

4. النتائج: من فاز في لعبة العنب؟

اختبروا نماذج الذكاء الاصطناعي الثلاثة في مهمة: التقاط ثلاث حبات عنب بالتتابع ووضعها في صندوق.

بطل "المحاولة الواحدة" ( $\pi_0.5$ ): كان هذا النموذج هو الأفضل في التقاط حبة عنب واحدة بنجاح (بنسبة نجاح 84%). كان جيداً جداً في المحاولة الأولى.
بطل "الماراثون" (GR00K N1.6): كان هذا النموذج هو الأفضل في التسلسل الكامل. بينما كان أقل كمالاً قليلاً في أول عملية التقاط (82%)، إلا أنه كان أفضل بكثير في الاستمرار. لقد نجح في التقاط حبتي عنب متتاليتين بنسبة 5-58% من المرات، بينما تعثرت النماذج الأخرى بعد المحاولة الأولى.
مشكلة "التلعثم": تميل النماذج الأخرى إلى الارتباك بعد حبة العنب الأولى. فقد يعودون إلى نفس المكان الذي التقطوا منه للتو، أو يسقطون العنب لأن تعليمات "القبضة" لديهم أصبحت مهتزة. ظل نموذج GR00K مركزاً ولم يكرر أخطاءه كثيراً.

5. "التعميم" السحري

لمعرفة ما إذا كانت الروبوتات ذكية حقاً أم أنها قامت فقط بحفظ شكل العنب، استبدلوا العنب بـ الكرز (الذي يبدو مختلفاً: أصغر، أكثر احمراراً، وأنعم). لم يعيدوا تدريب الروبوتات؛ بل قاموا فقط بتغيير الأمر الصوتي.

النتيجة: استطاعت جميع النماذج الثلاثة التقاط الكرز بشكل جيد معقول. هذا يثبت أن الروبوتات تعلمت مفهوم "الإمساك بجسم مستدير صغير" بدلاً من مجرد حفظ الشكل الدقيق للعنب.

الملخص

تثبت هذه الورقة البحثية أنك لست بحاجة إلى مختبر بمليون دولار لبناء روبوت يمكنه تعلم المهام الدقيقة. من خلال الجمع بين ذراع صناعية رخيصة، وقفاز ناعم "أوريغامي" مطبوع ثلاثي الأبعاد، ونماذج ذكاء اصطناعي حديثة، أنشأوا نظاماً يمكنه تعلم التقاط الفاكهة الهشة. وهذا يوضح أنه مع التصميم الميكانيكي "الناعم" الصحيح والذكاء الاصطناعي الذكي، يمكن للروبوتات منخفضة التكلفة القيام بأعمال عالية الدقة.

ملخص تقني: VILAS – بنية منخفضة التكلفة متكاملة مع VLA للقبض اللين في المناولة الروبوتية

بيان المشكلة
تمثل مناولة الأجسام الهشة روبوتياً، مثل المنتجات الزراعية الطازجة، تحديات كبيرة نظراً لانخفاض قدرة هذه العناصر على تحمل قوى التلامس المفرطة. تعتمد النهج التقليدية غالباً على مستشعرات قوة-عزم متعددة المحاور باهظة الثمن، أو مصفوفات لمسية، أو أنظمة تحكم في المعاوقة متخصصة، مما يزيد من تكاليف الأجهزة وتعقيد النظام. علاوة على ذلك، بينما تقدم التطورات الأخيرة في نماذج "الرؤية-اللغة-الفعل" (VLA) نموذجاً موحداً للتحكم الروبوتي من الطرف إلى الطرف، فإن تدريب ونشر هذه النماذج يتطلب عادةً أنظمة روبوتية باهظة الثمن ومملوكة لجهات معينة (مثل أنظمة ALOHA التي تبلغ تكلفتها حوالي 33,000 دولار). وهذا يخلق حاجزاً مالياً كبيراً أمام الباحثين الذين يهدفون إلى تطوير وتجربة أنظمة المناولة القائمة على التعلم باستخدام أجهزة ميسورة التكلفة.

المنهجية
يقدم المؤلفون VILAS، وهو منصة مناولة روبوتية نمطية ومنخفضة التكلفة بالكامل، مصممة لدعم سير عمل VLA المتكامل — بدءاً من جمع البيانات القائم على التحكم عن بُعد وصولاً إلى ضبط السياسات الدقيق والنشر في الوقت الفعلي.

بنية الأجهزة: يدمج النظام ثلاثة مكونات رئيسية:
- المناول (Manipulator): ذراع تعاوني من نوع Fairino FR5 (صناعي، بمحركات DC بدون فرش) تم اختياره لسلاسته في الحركة ودقته بتكلفة تبلغ حوالي 4,000 دولار.
- النهاية الطرفية (End-Effector): قابض متوازي كهربائي من نوع Jodell RG52-50 (حوالي 1,500 دولار) معزز بـ امتداد لين مرن قائم على الكيريغامي (kirigami). هذا الامتداد، المصنع من مادة PEBA باستخدام الطباعة ثلاثية الأبعاد (FDM)، يحفز تشوهاً يمكن التنبؤ به تحت حمل الضغط. يوفر هذا الامتداد امتثالاً ميكانيكياً سلبياً لامتصاص تغيرات قوة التلامس، مما يسمح بالقبض الآمن على الأجسام الهشة دون الحاجة إلى استشعار صريح للقوة.
- الإدراك (Perception): إعداد كاميرا مزدوجة يتكون من كاميرا RealSense D455 مثبتة في القاعدة (لرؤية مساحة العمل العالمية) وكاميرا RealSense D405 مثبتة على المعصم (لرؤية التفاعل قريب المدى)، بإجمالي تكلفة 1,000 دولار تقريباً.
- التحكم عن بُعد (Teleoperation): ذراع قائد من نوع GELLO (حوالي 500 دولار) مصنوع من أجزاء مطبوعة ثلاثية الأبعاد ومحركات Dynamixel، مما يوفر تحكماً مكافئاً حركياً لجمع البيانات.
- التكلفة الإجمالية: تبلغ تكلفة المنصة الكاملة حوالي 8,000 دولار، وهي أقل بكثير من الأنظمة البحثية المماثلة.
البرمجيات والتحكم: يستخدم النظام بنية اتصال قائمة على ZMQ لتنسيق عميل التحكم عن بُعد، ومسجل البيانات، ومحركات الروبوت. أثناء النشر، تعمل حلقة التحكم بتردد 20 هرتز. يستخدم النظام استراتيجية "تجزئة الأفعال" (action chunking) حيث يقوم استدلال نموذج واحد بتوليد تسلسل من الأفعال (50 خطوة لنماذج $\pi_0/\pi_{0.5}$ ، و16 خطوة لنموذج GR00T N1.6)، مما يفصل التحكم عالي التردد عن استدلال النموذج منخفض التردد.
تقييم VLA: قام المؤلفون بضبط وتقييم ثلاثة نماذج رائدة في مجال VLA وهي: $\pi_0$ ، و $\pi_{0.5}$ ، وGR00T N1.6 على منصة VILAS. تم تهيئة جميع النماذج من نقاط انطلاق مدربة مسبقاً ومتاحة للجمهور، وتم ضبطها بدقة باستخدام مجموعة بيانات متطابقة مكونة من 100 حلقة عرض تم جمعها عبر مسار التحكم عن بُعد الخاص بـ VILAS.

المساهمات الرئيسية

تصميم النظام: تنفيذ VILAS، وهي منصة روبوتية متكاملة ومنخفضة التكلفة تدعم سير عمل VLA من الطرف إلى الطرف باستخدام مكونات نمطية وبأسعار معقولة.
ابتكار القابض اللين: تصميم امتداد لين مرن يعتمد على الكيريغامي، يسهل المناولة الآمنة للأجسام الهشة دون الاعتماد على مستشعرات قوة باهظة الثمن أو استراتيجيات تحكم معقدة في القوة.
التقييم التجريبي: نشر وتقييم مقارن لثلاثة نماذج VLA متميزة ( $\pi_0$ ، $\pi_{0.5}$ ، GR00T N1.6) على نفس الأجهزة منخفضة التكلفة وبيانات العرض المتطابقة، مما يوفر رؤى عملية حول خصائص نشرها.

النتائج
أُجريت التجارب على مهمة إمساك العنب (التقاط 3 حبات عنب ووضعها في صندوق) واختبار تعميم على الكرز.

نجاح القبضة الواحدة: حقق نموذج $\pi_{0.5}$ أعلى معدل نجاح للقبضة الواحدة (84%)، يليه GR00T N1.6 (82%) ثم $\pi_0$ (70%).
نجاح القبض المتعدد: أظهر GR00T N1.6 اتساقاً فائقاً في المهام المتسلسلة، حيث حقق معدل نجاح بنسبة 58% لإكمال قبضتين متتاليتين على الأقل، وهو ما تفوق بشكل كبير على $\pi_{0.5}$ (36%) و $\pi_0$ (22%).
تأخير الاستدلال: أظهر GR00T N1.6 أدنى متوسط لتأخير الاستدلال (63.6 مللي ثانية)، رغم أن تكلفة الخطوة الواحدة كانت أعلى بسبب أفق الأفعال الأقصر (16 خطوة مقابل 50 خطوة).
التعميم: أظهرت جميع النماذج أداءً معقولاً على الكرز دون الحاجة إلى ضبط دقيق إضافي، مما يشير إلى أن السياسات المتعلمة تلتقط بديهيات المناولة التي تتعمم عبر أجسام متميزة بصرياً.
أنماط الفشل: كشف التحليل أن $\pi_0$ و $\pi_{0.5}$ واجها صعوبات في تحديثات الانتباه المكاني (إعادة زيارة نفس الموقع) واتساق تشغيل القابض. أظهر GR00T N1.6 اتساقاً أفضل ولكنه أظهر انحيازاً مكانياً نحو البحث بالقرب من مواقع القبض السابقة.

الأهمية
يزعم البحث أن VILAS يثبت جدوى تدريب ونشر سياسات مناولة قادرة على أجهزة نمطية ومنخفضة التكلفة. ومن خلال إثبات إمكانية ضبط ونشر نماذج VLA الرائدة بفعالية على منصة تبلغ تكلفتها حوالي 8,000 دولار، فإن هذا العمل يخفض الحاجز المالي لأبحاث المناولة الروبوتية. تؤكد النتأتيج أن التصميم الميكانيكي المناسب (القوابض اللينة المرنة) وتكامل النظام يسمحان بمناولة عالية الأداء قائمة على VLA دون الاعتماد على أنظمة مملوكة باهظة الثمن أو استشعار صريح للقوة. يضع المؤلفون VILAS كبيئة اختبار قابلة للتكرار ومتاحة للتقييم المستقبلي لـ VLA على الأجهزة الحقيقية.