ستانفورد تجعل الذكاء الاصطناعي للذراع الآلي يطير مباشرة بالطائرة بدون طيار: يمكنه التقاط الأشياء والتنقل بشكل مستقل دون إعادة تدريب

ماذا حدث

قام فريق ستانفورد بشيء مثير للاهتمام: أخذوا نموذج VLA المدرب بالكامل على بيانات ذراع ميكانيكي ثابت، وجعلوه يطير بطائرة مسيرة، ويقوم بالإمساك بالأشياء. خطتهم تُدعى AirVLA، وهي مبنية على π₀ VLA، وأضيفت إليها طبقة من “الإرشادات الفيزيائية الحساسة للحمل” لتناسب ديناميات الطيران، ثم تم استخدام 3D Gaussian Splatting لتوليد بيانات تركيبية تكمل عينات الملاحة.

ماذا كانت النتائج

• نسبة نجاح الملاحة: 100%
• نسبة نجاح الإمساك/التسليم: 50%
• نسبة نجاح المهام الطويلة متعددة الخطوات: 62%

المفتاح هو: لم يتم تعديل النموذج الأساسي. وهذا مهم للنشر الفعلي - إعادة التدريب بالكامل مكلفة وبطيئة.

لماذا لا يمكن لنموذج الذراع الميكانيكي الطيران مباشرة

يستطيع VLA الانتقال عبر المنصات في “فهم المشهد + فهم المهمة”، لكن التحكم في الديناميات لا يمكن نقله مباشرة:

• بيانات الذراع الميكانيكي تفترض أن البيئة لا تتحرك كثيرًا
• الطائرة المسيرة نظام غير مدفوع بالكامل، وتراكم الأخطاء يحدث بسرعة، مما قد يؤدي إلى السقوط
• القوانين الفيزيائية والقيود التحكمية بين الجانبين ليست واحدة على الإطلاق

كيف حلوا المشكلة

فكرتان رئيسيتان:

1. إضافة قيود فيزيائية أثناء الاستدلال: عدم إدخال ديناميات جديدة في النموذج، بل تعديل النتائج في مرحلة الإخراج وفقًا للقوانين الفيزيائية عبر الإنترنت
2. استخدام Gaussian Splatting لإنشاء بيانات الملاحة: دون الحاجة للجري في كل مكان لجمع بيانات من الطائرات الحقيقية

هذه الطريقة “لإضافة وحدات للنموذج الأساسي، وعدم إعادة تدريبه بالكامل من البداية” تتوافق مع اتجاهات AIR-VLA وDroneVLA، لكن بنقطة دخول مختلفة.

لمن هذه مفيدة

قد تكون الشركات التي تقوم بعمليات جوية (اللوجستيات، التفتيش، البحث والإنقاذ) مهتمة:

• لا حاجة لجمع كميات كبيرة من بيانات الطائرات المسيرة
• الحل المختلط بين الإرشادات الفيزيائية والذكاء الاصطناعي أكثر قابلية للتحكم في السيناريوهات الحساسة للسلامة، وليس مثل التحكم القائم على التعلم الخالص.

كيف ترى هذا الأمر

الخلاصة: هذا الاتجاه لا يزال في مرحلة مبكرة. الفريق الأكثر صلة هو الذي يقوم بالعمليات الجوية - مصنعي الروبوتات/الطائرات المسيرة، المختبرات البحثية، مقدمي الحلول. التجارة قصيرة الأجل ليست ذات مغزى كبير، لكن المستثمرين على المدى الطويل يمكنهم مراقبة النقاط الرئيسية من البحث إلى التوسع.