← أحدث الأبحاث
💻 computer science

X-OmniClaw Technical Report: A Unified Mobile Agent for Multimodal Understanding and Interaction

تقدم هذه الورقة البحثية X-OmniClaw، وهو وكيل متنقل موحد لنظام أندرويد يدمج الإدراك متعدد الوسائط، والذاكرة الشخصية، واستراتيجيات العمل الهجينة لتمكين التنفيذ الفعال والموثوق للمهام المعقدة من خلال تفاعلات بديهية.

المؤلفون الأصليون: Xiaoming Ren, Ru Zhen, Chao Li, Yang Song, Qiuxia Hou, Yanhao Zhang, Peng Liu, Qi Qi, Quanlong Zheng, Qi Wu, Zhenyi Liao, Binqiang Pan, Haobo Ji, Haonan Lu

نُشر 2026-05-22
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Xiaoming Ren, Ru Zhen, Chao Li, Yang Song, Qiuxia Hou, Yanhao Zhang, Peng Liu, Qi Qi, Quanlong Zheng, Qi Wu, Zhenyi Liao, Binqiang Pan, Haobo Ji, Haonan Lu

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 أن هاتفك الذكي ليس مجرد أداة تمسكها، بل هو جسد رقمي يمكنه الرؤية، والسمع، والتذكر، والتصرف نيابة عنك. هذه هي الفكرة الجوهرية وراء X-OmniClaw، وهو "وكيل متنقل" (mobile agent) جديد ابتكره باحثو OPPO.

فكر في X-OmniClaw كـ مساعد رقمي شخصي فائق الذكاء يعيش مباشرة داخل هاتفك (وليس في السحابة)، مصمم للتعامل مع المهام المعقدة عبر الجمع بين ما يراه على شاشتك، وما يراه من خلال كاميرتك، وما تقوله له.

إليك كيف يعمل، مقسماً إلى ثلاثة أجزاء بسيطة:

1. العيون والآذان: "الإدراك الشامل" (Omni Perception)

معظم المساعدات تنتظر منك كتابة أمر ما. أما X-OmniClaw فهو مختلف؛ إذ يمتلك بوابة موحدة تستمع إلى كل شيء في وقت واحد.

  • التشبيه: تخيل محققاً يمكنه النظر إلى مسرح الجريمة (شاشتك)، والاستماع إلى شاهد (صوتك)، والنظر من النافذة إلى العالم الحقيقي (كاميرتك) جميعاً في آن واحد.
  • كيف يعمل: هو لا يسمع فقط "ما هو السعر؟"، بل ينظر إلى الشيء الذي تشير إليه بكاميرتك، ويسمع سؤالك، ويفهم فوراً: "أوه، أنت تريد سعر هذه الزجاجة تحديداً على Taobao". إنه يربط بين العالم الحقيقي والعالم الرقمي قبل أن يبدأ العمل.

2. العقل والمفكرة: "الذاكرة الشاملة" (Omni Memory)

المساعدات القديمة تنسى كل شيء بمجرد إنهاء المكالمة. أما X-OmniClaw فيمتلك نظام ذاكرة ثنائي الأجزاء يحافظ على استمرارية سياقك.

  • التشبيه: فكر في الأمر كأنه طاولة عمل قصيرة المدى ومكتبة طويلة المدى.
    • طاولة العمل (الذاكرة العاملة): تحتفظ بما تفعله الآن. إذا كنت تقوم بتعبئة نموذج وتوقف التطبيق فجأة، سيتذكر المساعد بالضبط أين توقفت حتى لا تضطر للبدء من جديد.
    • المكتبة (الذاكرة طويلة المدى): تتعلم من ماضيك. إذا التقطت صوراً للببغاوات، فلن يقوم المساعد بمجرد تخزين الصورة؛ بل سينشئ "ملاحظة دلالية" تقول: "المستخدم يحب الببغاوات". لاحقاً، إذا طلبت فيديو عن الببغاوات، سيعرف فوراً أي الصور يجب أن يسحب دون الحاجة للبحث بين مئات الملفات.
  • الخصوصية أولاً: نظرًا لأن هذه الذاكرة تعيش على هاتفك (محلياً/Edge-native)، فإن صورك وبياناتك الخاصة لا يتعين إرسالها إلى خادم بعيد ليتم فهمها.

3. الأيدي: "العمل الشامل" (Omni Action)

هنا يحدث السحر. بدلاً من مجرد التحدث إليك، يقوم X-OmniClaw بالفعل من أجلك.

  • التشبيه: تخيل يداً روبوتية يمكنها النقر، والمسح (swipe)، والكتابة، لكنها أيضاً متعلمة ذكية.
  • الأيدي الهجينة: أحياناً تكون التطبيقات فوضوية (مليئة بالإعلانات أو التصميمات الغريبة). يستخدم X-OmniClaws "استراتيجية هجينة"؛ فهو يقرأ كود التطبيق (XML) ليعرف أين يُفترض أن تكون الأزرار، ولكن إذا كان الكود مربكاً، فإنه يستخدم "عيونه" (الإدراك البصري) لإيجاد الزر كما يفعل البشر تماماً.
  • خدعة "الاستنساخ": هذا هو الجزء الأكثر روعة. إذا قمت بالتنقل يدوياً عبر مسار معقد للوصول إلى صفحة تخفيضات محددة في تطبيق ما (مثل Meituan)، يمكنك أن تقول للمساعد: "راقب هذا". سيقوم بـ استنساخ سلوكك. في المرة القادمة التي تقول فيها: "اذهب إلى التخفيضات الخاطفة"، لن يكتفي بالبحث فحسب؛ بل سينتقل فوراً إلى تلك الصفحة بالضبط، متجاوزاً كل عمليات النقر والتمرير المملة. إنه يحول تنقلك اليدوي إلى "بطاقة مهارة" قابلة لإعادة الاستخدام.

لماذا يعد هذا أمراً مهماً؟

معظم المساعدات "الذكية" الحالية تعمل على خوادم بعيدة (السحابة). إنها تشبه طياراً يقود طائرة من برج مراقبة يبعد أميالاً؛ لا يمكنه الشعور بالاضطرابات الجوية أو الوصول إلى مستشعرات الطائرة مباشرة.

أما X-OmniClaw فهو محلي المنشأ (Edge-Native).

  • تشبيه السيارة: الهاتف الذكي هو السيارة. والسحابة هي مجرد محطة الوقود (توفر الوقود/القدرة على التفكير عند الحاجة). المحرك (الوكيل) موجود داخل السيارة.
  • ولأن المحرك داخل السيارة، يمكنه الاستجابة فوراً لحركة المرور (تغير شاشتك)، واستخدام مستشعرات السيارة الخاصة (الكاميرا/الميكروفون)، ولا يحتاج لانتظار إشارة من برج بعيد.

أمثلة واقعية من الورقة البحثية

  • مساعد الكاميرا: توجه كاميرتك نحو منتج وتسأل: "كم سعر هذا؟". يتعرف المساعد على المنتج، ويفتح تطبيق التسوق، ويجد السعر، ويقرأه لك.
  • فيديو بنقرة واحدة: تقول: "اصنع فيديو من صور الببغاوات الخاصة بي". يتذكر المساعد أي الصور تخص الببغاوات (من مكتبته)، ويفتح تطبيق تحرير الفيديو، ويختار تلك الصور تلقائياً لبدء إنشاء الفيديو.
  • البوابة الفورية: تريد الذهاب إلى صفحة تخفيضات معينة يصعب العثور عليها. تعلم المساعد المسار مرة واحدة. الآن، بمجرد قول "التخفيضات الخاطفة"، سينقلك إلى هناك فوراً.

الخلاصة

إن X-OmniClaw هو مخطط لمستقبل المساعد الشخصي من الجيل التالي الذي لا يكتفي بالدردشة معك، بل يدير هاتفك بنشاط، ويتعلم عاداتك، وينفذ مهاماً معقدة عبر الجمع بين ما يراه، ويسمعه، ويتذكره. إنه يهدف لجعل هاتفك يبدو أقل كأداة تشغلها، وأكثر كشريك يفهم حياتك.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →