💻 computer science

Nautilus: From One Prompt to Plug-and-Play Robot Learning

تقدم الورقة البحثية NAUTILUS، وهو إطار عمل مفتوح المصدر يحول المطالبات الفردية إلى سير عمل مؤتمت ومُتحقق منه لتعلم الروبوتات عبر توفير مهارات وكلاء قابلة للتركيب والتشغيل (plug-and-play)، وواجهات موحدة، وتنفيذًا غرفيًا قابلًا للتوسع للقضاء على التجزئة الهندسية التي تعيق حاليًا إعادة إنتاج وتقييم السياسات عبر العائلات المختلفة.

المؤلفون الأصليون: Yufeng Jin, Jianfei Guo, Xiaogang Jia, Yu Deng, Zechu Li, Han Liu, Weiran Liao, Vignesh Prasad, Mathias Franzius, Gerhard Neumann, Georgia Chalvatzaki

نُشر 2026-05-13

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yufeng Jin, Jianfei Guo, Xiaogang Jia, Yu Deng, Zechu Li, Han Liu, Weiran Liao, Vignesh Prasad, Mathias Franzius, Gerhard Neumann, Georgia Chalvatzaki

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 عالم تعلم الروبوتات كموقع بناء ضخم وفوضوي. على أحد الجوانب، لديك مهندسون معماريون يصممون عقولاً جديدة للروبوتات (تسمى "السياسات" أو policies). وعلى جانب آخر، هناك مضامير اختبار (المعايير المرجعية/benchmarks) حيث تتعلم الروبوتات المشي أو التقاط الأشياء. وفي جانب ثالث، هناك الروبوتات الفعلية نفسها، والتي تتراوح من أذرٍ بسيطة إلى ماشيات تشبه البشر.

المشكلة، وفقاً لهذه الورقة البحثية، هي أن توصيل أي مهندس معماري بأي مضمار اختبار بأي روبوت هو كابوس. في كل مرة يريد فيها الباحث اختبار عقل جديد على مضمار جديد مع روبوت جديد، يتعين عليه بناء جسر مخصص من الصفر. عليهم كتابة "كود الربط" (glue code) لجعل اللغات تتوافق، وإصلاح إصدارات البرامج المتضاربة، والتأكد من أن الروبوت لن يتحطم. الأمر يشبه محاولة توصيل محمصة خبز بمحرك سيارة، ومحمصة خبسة بمركبة فضائية، ومحمصة خبز بقارب — وفي كل مرة، عليك اختراع محول جديد.

إليك Nautilus.

يقترح المؤلفون Nautilus ليكون حزاماً عالمياً يعمل بنظام "التوصيل والتشغيل" (plug-and-play). فكر فيه كـ محطة محولات ذكية وسحرية لصناعة تعلم الروبوتات بأكملها.

إليك كيف يعمل، باستخدام تشبيهات بسيطة:

1. "المشترك الكهربائي العالمي" (العقود المحددة بالأنواع - Typed Contracts)

حالياً، يتحدث كل روبوت وكل عقل لغة مختلفة. يقدم Nautilus مشتركاً كهربائياً موحداً.

التشبيه: تخيل لو كان على كل جهاز في منزلك (محمصة، مصباح، تلفاز) أن يتم إعادة توصيل أسلاكه ليتناسب مع مأخذ الحائط. يقول Nautilus: "لا مزيد من إعادة توصيل الأسلاك". إنه يجبر كل عقل روبوت وكل مضمار اختبار على الاتفاق على شكل واحد صارم لمقابسهم (تسمى "العقود المحددة بالأنواع").
النتيجة: بمجرد توصيل عقل الروبوت بهذا المعيار، يمكنه الاتصال فوراً بأي مضمار اختبار أو روبوت دون الحاجة إلى محول مخصص.

2. "الغرف العازلة للصوت" (التنفيذ داخل غرف - Chambered Execution)

برمجيات الروبوتات فوضوية. قد يحتاج روبوت ما إلى إصدار معين من محرك ألعاب فيديو، بينما يحتاج روبوت آخر إلى إصدار مختلف من محاكي فيزيائي. إذا قمت بتشغيلهم على نفس الكمبيوتر، فسيتصارعون ويتعطلون.

التشبيه: يبني Nautilus غرفاً عازلة للصوت (حاويات/containers) لكل جزء من التجربة. يعيش عقل الروبوت في غرفة، ومضمار الاختبار في غرفة أخرى، والروبوت نفسه في غرفة ثالثة. يمكنهم التحدث مع بعضهم البعض من خلال نافذة آمنة، لكن أدواتهم الداخلية الفوضوية لا تتصادم أبداً.
النتيجة: يمكنك المزج والمطابقة بين أي مجموعة دون القلق بشأن تضارب البرامج.

3. "مدير المشروع الذكي" (الوكيل - The Agent)

تستخدم الورقة البحثية نموذج لغة كبيراً (نموذج ذكاء اصطناعي للمبرمجين) للقيام بالعمل الشاق. ولكن عادة ما يفشل المبرمجون الآليون في مجال الروبوتات لأنهم لا يعرفون "القواعد غير المكتوبة" لهذا المجال.

التشبيه: يمنح Nautilus المبرمج الآلي كتاب قواعد وقائمة تحقق (تسمى الأدلة والمستشعرات - Guides and Sensors).
- الأدلة (Guides): قبل أن يكتب الذكاء الاصطناعي الكود، يخبره كتاب القواعد: "مهلاً، الروبوتات تحتاج إلى إعادة ضبط قبل البدال، ويجب عليك التحقق مما إذا كانت البطارية آمنة".
- المستشعرات (Sensors): بعد أن يكتب الذكاء الاصطناعي الكود، يقوم مفتش سلامة بفحصه. "هل اختبرت بالفعل ما إذا كان الروبوت يتحرك؟ هل تحققت من تنسيق البيانات؟" إذا كانت الإجابة لا، فعلى الذكاء الاصطناعي إصلاح الأمر قبل المتابعة.
النتيجة: الذكاء الاصطناعي لا يخمن فحسب؛ بل يتبع سير عمل مثبت وآمن يستخدمه الباحثون يومياً.

4. "صدفة نوتيلوس" (القابلية للتوسع - The Nautilus Shell)

الاسم مستمد من صدفة النوتيلوس، التي تنمو بإضافة حجرات جديدة.

التشبيه: بدلاً من بناء إطار عمل ضخم وجامد ينكسر عند إضافة روبوت جديد، ينمو Nautilus بإضافة حجرات جديدة. إذا أضاف باحث روبوتاً جديداً (مثل نوع جديد من الأيدي)، فإنه يضيف فقط حجرة واحدة جديدة للنظام. ولا يحتاج بقية النظام إلى إعادة بناء.
النتيجة: يصبح النظام أكبر وأكثر فائدة دون أن يصبح أكثر تعقيداً.

ماذا أثبتوا بالفعل؟

لا تدعي الورقة البحثية أن Nautilus قد اخترع عقلاً جديداً للروبوت أو أنه جعل الروبوتات أذكى مما كانت عليه من قبل. بدلاً من ذلك، أثبتوا ما يلي:

إنه يعمل كمترجم: أخذوا عقول روبوت موجودة واختبروها على معايير موجودة باستخدام Nautilus، وكانت النتائج مطابقة لما ادعى مؤلفوها الأصليون.
إنه يوفر الوقت: أظهروا أن استخدام Nautilus لربط عقل روبوت جديد بمضمار اختبار جديد أسرع وأرخص بكثير من القيام بذلك يدوياً. إنه يقلل العمل من بناء جسر لكل زوج من العناصر إلى مجرد بناء جسر واحد للنظام بأكمله.
إنه يعمل على روبوتات حقيقية: نجحوا في أخذ عقل روبوت تم تدريبه في المحاكاة، وتغليفه داخل Nautilus، ونشره على روبوتين مختلفين تماماً (الذراع الروبوتية Franka والروبوت البشري Unitree H1) دون تغيير كود العقل.

باختصار: Nautilus ليس عقلاً جديداً للروبوت؛ بل هو المترجم العالمي ومفتش السلامة الذي يسمح لعقول الروبوتات المختلفة، ومضامير الاختبار، والروبوتات بالتحدث مع بعضها البعض أخيراً دون الحاجة إلى فريق من المهندسين لبناء جسر مخصص في كل مرة.

ملخص تقني: NAUTILUS: من مطالبة واحدة إلى تعلم روبوتات جاهز للتشغيل

1. بيان المشكلة

يعاني بحث تعلم الروبوتات حاليًا من التجزئة عبر ثلاثة محاور مستقلة إلى حد كبير: عائلات السياسات ( $P$ ، مثل: IL، RL، VLA، WAM)، مجموعات الاختبار المرجعية ( $B$ ، مثل: LIBERO، ManiSkill)، وتجسيدات الروبوتات ( $R$ ، مثل: Franka، Unitree H1). ويتطلب دمج أي ثلاثية محددة $(P, B, R)$ طبقة دمج منفصلة مكتوبة يدويًا تتضمن إعدادات Docker، ومحولات الملاحظات (observation adapters)، وإجراءات التحقق من الموثوقية.

تخلق هذه التجزئة "فجوة في التجهيز" (harness gap). فبينما تقدم النماذج اللغوية الكبيرة (LLMs) تقدمًا في توليد الكود، إلا أنها غالبًا ما تفشل في إنتاج نتائج قابلة لإعادة الإنتاج بالكامل في مجال الروبوتات لأنها تفتقر إلى الأولويات الإجرائية (procedural priors) وممارسات التحقق الخاصة بسير عمل أبحاث الروبوتات. وتتصاعد الأعباء الهندسية وفقًا لـ $\Theta(N \cdot M \cdot K)$ ، حيث تمثل $N, M, K$ أعداد عائلات السياسات، ومجموعات الاختبار، والروبوتات. وتكون الأطر الحالية (مثل LeRobot، Isaac Lab) غالبًا مرتبطة بمكونات ثابتة، بينما تفتقر وكلاء البرمجة عامة الغرض إلى السقالات المتخصصة في المجال اللازمة للتنقل عبر تعارضات التبعيات المعقدة وعدم تطابق الواجهات.

2. المنهجية: تجهيز NAUTILUS

يقترح المؤلفون NAUTILUS، وهو تجهيز مفتوح المصدر موجه للوكلاء (agent-facing harness)، مصمم لتحويل مطالبة واحدة باللغة الطبيعية (على سبيل المثال: "قيّم السياسة A مع المعيار B") إلى سير عمل جاهز لإعادة الإنتاج، والتقييم، والضبط الدقيق، والنشر. يتكون NAUTILUS من طبقتين: الركيزة (substrate) وطبقة المحتوى (content layer).

2.1 الركيزة (الثوابت الهندسية)

توفر الركيزة سطحًا مستقرًا للوكيل للتفكير من خلاله، مما يقلل تعقيد التكامل من $\Theta(N \cdot M \cdot K)$ إلى $\Theta(N + M + K)$ . وهي تعتمد على ثلاثة ثوابت:

عقود الواجهة المحددة النوع (Typed Interface Contracts): يتم عرض السياسات، والمعايير، والروبوتات من خلال مخططات (schemas) ثابتة وقابلة للقراءة آليًا (مثل: infer(obs) -> actions، reset(seed)، apply_action). تخفي هذه العقود الآليات الخاصة بالتنفيذ (مثل: أكوام CUDA، أو تعريفات ROS 2) وتحدد وحدة التكامل.
التنفيذ الغرفي (Chambered Execution): تعمل النواتج المولدة في حاويات معزولة وقابلة للتخلص منها. هذا يمنع فشل التبعيات (مثل: تعارض إصدارات CUDA) من التسرب عبر الوحدات. حيث تشغل حاوية السياسة، وحاوية المعيار، وحاوية الأجهزة نفس الموقع المعماري من منظور الوكيل.
الاتصال الموحد بين الوحدات:
- المستوى الأول (محلي للروبوت): تظل الاستشعار والتحكم عالي النطاق الترددي في نظام الروبوت الأصلي (مثل: ROS 2، أو الذاكرة المشتركة).
- المستوى الثاني (خارج الروبوت): يرى الوكيل فقط بروتوكول WebSocket خفيف الوزن يربط حاوية السياسة بنقطة نهاية المعيار أو الروبوت الحقيقي. وهذا يضمن أن تشترك نقاط النهاية للمحاكاة والروبوت الحقيقي في مخطط ملاحظة/إجراء واحد.

2.2 طبقة المحتوى (الأدلة، المستشعرات، الحالة)

مبنية فوق الركيزة، تقوم هذه الطبقة بتبسيط سير عمل أبحاث الروبوتات إلى مكونات صريحة وقابلة لإعادة الاستخدام:

الأدلة (Guides): تعليمات ما قبل التوليد التي توجه سلوك الوكيل، وتوفر قواعد التوجيه، وأدوار الوكلاء الفرعيين، وبروتوكولات التحقق قبل كتابة الكود.
المستشعرات (Sensors): مدققات ما بعد التوليد التي تتحقق من النواتج مقابل ستة معايير (مثل: تصفية ما قبل الإجراء، التحقق من الواجهة، مقارنة المواصفات، واختبار الدخان). يمكن للمستشعرات إطلاق عمليات تصحيح محلية أو حظر التشغيل إذا انتهكت العقود.
الحالة (State): سجل دائم مدقق عبر مخطط JSON، يخزن العقود المحددة النوع والقطع المثبتة (commits المصدر، صور Docker). وهذا يسمح للوكيل بإعادة استخدام معرفة الوحدات التي تم التحقق منها بدلاً من إعادة اكتشاف تخطيطات المستودعات من الصفر.
أدوات العمل (Workspace Artefacts): سجلات قابلة للإضافة فقط وإيصالات إعادة الإنتاج التي تسجل نسخة المصدر (commit)، وخيارات البيئة، والقرارات لكل عملية تشغيل.

2.3 تدفق التنفيذ

عندما يصدر المستخدم مطالبة (مثل: "قم بتشغيل $\pi_0$ على LIBERO")، يقوم المنسق (orchestrator) بتوجيه الطلب إلى سير عمل وكيل فرعي محدد. يتحقق النظام من سجل الحالة بحثًا عن المدخلات التي تم التحقق منها. إذا كانت مفقودة، فإنه يولد وحدات السياسة والمعيار بالتوازي، ويقارن مواصفاتهما المحددة النوع (مثل: مفاتيح الملاحظة، أشكال الإجراءات)، وينفذ اختبار دخان عبر WebSocket، ويكتب إيصالات إعادة الإنتاج.

3. المساهمات الرئيسية

ركيزة نمطية: نظام يعتمد على العقود المحددة النوع، والتنفيذ الغرفي، والنقل الموحد الذي يقلص تكلفة التكامل بين عائلات تعلم الروبوتات المختلفة.
الأولويات الإجرائية المقطرة: تحويل معرفة سير عمل الروبوتات الضمنية إلى أدلة ومستشعرات صريحة، مما يحول توليد الوكيل من "صندوق أسود" إلى عملية تم التحقق منها خطوة بخطوة.
منصة مفتوحة المصدر: إطلاق NAUTILUS مع سير عمل مهيكل يدعم أربع عائلات من السياسات (IL, VLA, RL, WAM)، وست مجموعات من المعايوهات، وأربعة أصناف من التجسيدات. ويتضمن ذلك nautilus-collect، وهي منصة لجمع البيانات تتحقق من عقد الروبوت نفسه عبر أجهزة غير متجانسة (Franka و Unitree H1).
سجل قابل للتوسع: منصة مجتمعية حيث يمكن استيعاب سياسات أو معايير أو روبوتات جديدة عبر 3 إلى 5 عقود طرق محددة النوع دون تعديل كود الإطار الأساسي، شريطة اجتياز بروتوكولات التحقق من الثقة.

4. النتائج التجريبية

يقيّم البحث NAUTILUS من خلال ثلاث دراسات:

التحقق من ثقة المعيار: أعاد النظام إنتاج النتائج المرجعية للسياسات العامة (Diffusion Policy، $\pi_0$ ، OpenVLA، إلخ) عبر LIBERO، وManiSkill، وRoboTwin، وALOHA، وRoboCasa. أعادت الملحقات المولدة النتائج المرجعية بأمانة مع انحرافات صغيرة (على سبيل المثال: $\Delta \approx \pm 2\%$ )، مما يؤكد أن الملحقات تحافظ على بروتوكولات التقييم المقصودة.
الاستقصاء حول القدرة على التوسع: في بيئة اختبار "ترك معيار واحد مستبعدًا"، تمت مقارنة NAUTILUS بوكيل برمجة عادي.
- النجاح: حقق NAUTILUS نجاحًا في التغليف بنسبة 100% ونجاحًا عاليًا في المهام (98.7% باستخدام Claude Opus 4.7).
- كفاءة التكلفة: أدى إزالة القالب المحدد النوع (الركيزة) إلى انخفاض نجاح التغليف إلى 55.3% وتضاعف استخدام الرموز (tokens) ثلاث مرات (41.7 مليون رمز)، مما يثبت أن الركيزة تمنع الوكيل من إعادة تعلم كود الربط.
- تدرج النموذج: وفر الإطار فوائد نسبية أكبر للنماذج الأضعف (Claude Sonnet 4.6)، مما قلل من جولات التفاعل بنسبة ~27% والتكاليف بنسبة ~8% مقارنة بالوكيل العادي.
النشر على الروبوت الحقيقي: نجح النظام في نشر نقطة تفتيش (checkpoint) للتلاعب بـ VLA ( $\pi_0.5$ ) على ذراع Franka وسياسة حركة RL على Unitree H1. في كلتا الحالتين، تم نقل نفس أثر السياسة الذي تم تغليفه للمحاكاة إلى الأجهزة عن طريق استبدال حاوية الأجهزة فقط، دون تغيير في كود السياسة أو حاوية المنصة.

5. الأهمية والادعاءات

يجادل البحث بأن القيد الأساسي على الأتمتة الوكيلية في تعلم الروبوتات ليس قدرة نموذج LLM، بل هندسة التجهيز المحيط به. يوضح NAUTILUS أنه من خلال توفير ركيزة مستقرة قائمة على العقود مع التحقق الصريح، يمكن تقليل العبء الهندسي لإعادة إنتاج وتقييم العائلات المختلفة بشكل جذري.

يدعي المؤلفون أن NAUTILUS يحول سير عمل الأبحاث المجزأة إلى إجراءات وكيليّة مهيكلة. ومن خلال جعل الخبرة في المجال (العقود، بروتوكولات التحقق، إدارة الحالة) قابلة للتنفيذ، وإعادة الاستخدام، والفحص، فإن النظام يتيح للباحثين توسيع سير عملهم دون الحاجة لتجهيز كود الربط يدويًا لكل مزيج من $(P, B, R)$ . يضع هذا العمل NAUTILUS ليس فقط كأداة للأتمتة، بل كخطوة نحو مستقبل تسمح فيه التجهيزات المبنية من قبل الخبراء للنماذج بتوسيع الخبرة في المجال عبر منظومة تعلم الروبوتات بأكملها.