تويوتا تفصل شركة روبوتات تُقيَّم على مستوى “وحيد القرن”: كيف أدخلت Walden “نماذج السلوك الكبير” إلى المصانع؟

الكاتب: Zen، PANews

قبل 15 يوليو، لم تكن Walden Robotics معروفة لدى الجمهور.

وفي اليوم ذاته، ظهرت فجأة إلى العلن بشكل رسمي شركة الروبوتات المنبثقة من معهد أبحاث تويوتا، وكشفت على دفعة واحدة عن جولة تمويل بذري بقيمة 300 مليون دولار وتقييم قدره 1.1 مليار دولار.

تمّ ضخ هذا التمويل بقيادة مشتركة من تويوتا وDeviation Capital، بمشاركة رؤوس أموال صناعية مثل NVIDIA وBoeing وSamsung Ventures وPrologis Ventures وCoreWeave Ventures وغيرها.

ومن تأسيسها إلى دخولها نادي اليافعين (unicorn)، لم تستغرق Walden سوى ستة أشهر. لكنها كانت تمتلك بالفعل العديد من الشروط التي يحلم بها مؤسسو شركات روبوتات ناشئة — فريق أبحاث ناضج، ورأس مال كافٍ، ومنظومة إنتاج مفتوحة لدى تويوتا، وقنوات محتملة للتعاون من المستثمرين في قطاعات التصنيع والطيران والإلكترونيات واللوجستيات.

يونيكورن جديدة خرجت من معهد تويوتا للأبحاث

قبل الإعلان عن خبر التمويل هذه المرة، كانت Walden Robotics في حالة خمول بصري (stealth).

في يناير من هذا العام، تأسست Walden كمشروع مستقل من معهد أبحاث تويوتا (Toyota Research Institute، ويشار إليه فيما بعد بـ “TRI”). استوحى اسم الشركة إلهامه من كتاب “Walden” للكاتب الأمريكي هنري ديفيد ثورو، والذي يطرح أهمية العيش بوعي وهدف. كما يعكس ذلك الأسئلة التي تأمل الشركة في استكشافها: كيف يمكن للروبوتات أن تساعد الناس على إيجاد المزيد من المعنى في العمل والحياة.

وبحسب تقدير المؤسس المشارك والرئيس التنفيذي لـ Walden Russ Tedrake، فإن الروبوتات العامة التي يقودها الذكاء الاصطناعي المادي تُعد بلا شك تقنية مُغيرة لقواعد اللعبة، وقد وصلت بالفعل إلى منعطف حاسم. ومع ذلك، إذا كانت الشركة ترغب في تحقيق نجاح تجاري، فلا بد من أن تتحقق من فعالية الاقتصاديات للوحدة (unit economics) في مجال الروبوتات، وأن تتعاون بعمق مع العملاء.

وبعد تأسيس شركة مستقلة، تستطيع Walden تركيز الجهود على تسويق تقنيات الروبوتات التابعة لمعهد تويوتا للأبحاث تجارياً، ونقل النتائج ذات الصلة من المختبر إلى بيئة الإنتاج. ومن خلال التعاون مع شركات تصنيع ولوجستيات كبرى حول العالم، تهدف Walden إلى التحقق المستمر من قدرات المنتج في سيناريوهات واقعية، وضمان ملاءمته للعمليات الإنتاجية الفعلية، وتحقيق وفورات واضحة في التكاليف وتحسيناً في الكفاءة.

Russ Tedrake هو أستاذ في معهد ماساتشوستس للتكنولوجيا (MIT)، وقاد سابقاً فريق الروبوتات والتعلم الآلي في TRI لمدة قرابة عقد من الزمن. وقد قدم فريقه مساهمات كبيرة في الأبحاث الأساسية، بما في ذلك Diffusion Policy وواجهة التشغيل العامة (UMI) وLarge Behavior Models (النماذج السلوكية الكبيرة) وOpenVLA، إضافةً إلى مُحاكي مفتوح المصدر باسم Drake.

وبالإضافة إلى Russ Tedrake، يضم فريق التأسيس في Walden حالياً CTO Ben Burchfiel وCOO Kerri Fetzer-Borelli وChief Product Officer Dave Johnson وChief Strategy Officer Adrien Gaidon وChief Architect Siyuan Feng ومسؤول الذكاء الاصطناعي Rares Ambrus. كما أن عدداً من الأعضاء هم أيضاً قادة مشاريع في أبحاث Large Behavior Models التابعة لـ TRI، ويشاركون في بناء بنية النموذج والتدريب والمحاكاة ونظام التقييم.

فريق Walden Robotics، الشخص الثاني من اليسار هو Russ Tedrake

يتضح أن نقطة انطلاق Walden ومنصتها أعلى بشكل ملحوظ مقارنة بشركات ناشئة عادية. فمن جهة، تستفيد من عقود من نتائج أبحاث TRI في مجال الروبوتات. ومن جهة أخرى، تويوتا ليست فقط المستثمر الأساسي، بل أيضاً أهم شريك صناعي لديها في المراحل المبكرة، وتوفر لها أولى سيناريوهات الإنتاج الفعلية.

بالاعتماد على منظومة تصنيع تويوتا، تختصر Walden مدة التحقق من التسويق التجاري

تتمثل إحدى المشكلات الشائعة لدى شركات الذكاء الاصطناعي المتمحور حول “التموضع في العالم الحقيقي” (embodied intelligence) في وجود فجوة بين تطوير التقنية والنشر التجاري.

تحتاج الروبوتات إلى دخول بيئات حقيقية للحصول على بيانات عالية الجودة، لكن المنتجات المبكرة تواجه مشكلات في الموثوقية والجدوى الاقتصادية، ما يصعّب إقناع العملاء من الشركات بجدواها ودفعهم إلى استخدامها فعلياً في العمل. وبدون سيناريوهات نشر وبيانات كافية، يصعب على النماذج تغطية الحالات الشاذة في العالم الحقيقي، كما يصير من العسير تحسين قدرات المنتج بشكل مستمر.

لكن Walden، التي حصلت على دعم منظومة إنتاج تويوتا منذ بدايتها، تقصّر إلى حد ما مدة دورة التحقق. تويوتا هي جهة حضن تقني لديها ومُستثمرها الأساسي، كما أنها أيضاً من يوفّر أولى سيناريوهات النشر الفعلية. وبذلك لا تحتاج Walden إلى البحث من الصفر عن عملاء صناعيين، ولا إلى إنشاء “مصنع محاكاة” منفصل للاختبار؛ بل يمكنها دخول مسارات الإنتاج القائمة مباشرةً، والعمل مع فرق التصنيع لتعريف المهام وضبط المعدات وتقييم المدخلات والمخرجات.

قيمة الخلفية الصناعية لا تقتصر أيضاً على توفير “مساحة تدريب” للروبوتات. فإمكانية أن تولد الروبوتات الصناعية قيمة اقتصادية تعتمد على عوامل متعددة مثل وتيرة المهام، ومعدل استغلال المعدات، ومتطلبات السلامة. وغالباً ما لا تمتلك مهام الروبوت التي تتألق في المختبر قيمة نشر مؤكدة عند دخولها المصنع.

أما خبرة تويوتا الطويلة في التصنيع والأتمتة، فيمكن أن تساعد Walden على اختيار أولوياتها من العمليات المناسبة لقدرات التقنية في المرحلة الحالية، وفي الوقت نفسه تحقق عائداً تجارياً واضحاً، مما يقلل مخاطر الانفصال بين تطوير المنتج واحتياجات العملاء.

إضافة إلى ذلك، توفر تشكيلة مستثمري Walden إمكانية لفتح قنوات للتوسع في سيناريوهات خارجية. فبالإضافة إلى تويوتا، تمثل Boeing وSamsung Ventures وPrologis Ventures على التوالي مجالات التصنيع في قطاع الطيران والصناعات الإلكترونية وبنية اللوجستيات التحتية، بينما تربط NVIDIA وCoreWeave بين موارد الحوسبة للروبوتات وموارد تدريب الذكاء الاصطناعي.

من الواضح أن هذه الشركات كلها موارد محتملة للتآزر، وقد توفر مداخل تعاون لـ Walden في المستقبل. وبدرجة ما، وبعد أن حلّت تويوتا مشكلة سيناريوهات البيانات والإنفاذ في المرحلة الأولى من التسويق التجاري، فإن ما قد يحدد القيمة طويلة الأمد لـ Walden فعلاً هو ما إذا كانت منظومة هذه التقنية وهذا التشغيل قادرة على تجاوز تويوتا والتحول إلى منتجات معيارية تستهدف المزيد من شركات التصنيع.

وبهذا الصدد، تبدو Walden واثقة للغاية، باعتبارها ترث أبحاث ومعطيات TRI التقنية. وهنا لا بد من الإشارة إلى جوهر منظومتها التقنية — Large Behavior Models (النماذج السلوكية الكبيرة)، ويُشار إليها اختصاراً بـ LBM.

التقنية الأساسية LBM (النماذج السلوكية الكبيرة) تُدخل قدرات التشغيل العامة إلى المصنع

على عكس نماذج اللغات الكبيرة الموجهة لتوليد النصوص، يتطلب LBM معالجة في الوقت نفسه صور المشهد المرئي وحالة الروبوت نفسه، إلى جانب معلومات اللمس أو غيرها من بيانات أجهزة الاستشعار، بالإضافة إلى تعليمات المهام. ثم يولّد بناءً على ذلك سلسلة من الحركات المتصلة. والهدف ليس كتابة برنامج لكل مهمة على حدة، بل تمكين النموذج نفسه من تعلم ونقل مهارات تشغيل مختلفة عبر تدريب متعدد المهام على بيانات متنوعة.

تستند هذه الرؤية إلى أبحاث تعلم الروبوتات التي أجرتها TRI لسنوات. ومن أكثر الأسس التقنية تمثيلاً هو Diffusion Policy.

عادةً ما تعتمد الروبوتات الصناعية التقليدية على مسارات حركة محددة مسبقاً وظروف مواقع عمل. وعندما تتغير مواقع القطع أو تصميم المعدات أو مسارات الإنتاج، غالباً ما يحتاج المهندسون إلى إعادة البرمجة والضبط. أما Diffusion Policy، فيتعلم توزيع الحركات من خلال استعراضات يقوم بها البشر؛ حيث يستخلص النموذج الأنماط من بيانات الرؤية والحركات وحالة الروبوت، ثم يحاول إعادة إنتاجها بشكل مستقل.

وبناءً على ذلك، يدمج LBM مزيداً من المهام داخل إطار تدريب مسبق موحد. وقد كشفت أبحاث TRI سابقاً أن الدراسة استخدمت بيانات روبوتات قريبة من 1700 ساعة، وأجرت 1800 اختبار في بيئات حقيقية، وأكثر من 47 ألف اختبار محاكاة. وأظهرت النتائج أن النماذج بعد تدريبها مسبقاً على مهام متعددة تحتاج إلى كمية بيانات أقل بشكل ملحوظ عند تعلم جزء من المهام الجديدة، مقارنةً بنماذج المهام الواحدة التي يتم تدريبها من البداية.

في المحاكاة والعالم الحقيقي، يقيم Walden نماذج LBM الخاصة به لمجموعة متنوعة من المهام وظروف البيئة

وهذا يضع أساساً لمنطق منتج Walden: ألا تعتمد الروبوتات على فرق هندسية لبرمجة كل خطوة على حدة، بل يمكنها التكيف مع إجراءات تشغيل جديدة عبر عدد قليل من العروض. وبالنسبة للعملاء الصناعيين، تنطبق هذه القدرات غالباً على بيئات تصنيع تتنوع فيها المنتجات وتطرأ تعديلات متكررة على مهام الإنتاج. وبالمقارنة مع المعدات الأتمتة التقليدية التي تكرر الحركات الثابتة فقط، يمكن للروبوتات القادرة على التعلم التحول بين العمليات والمهام بتكلفة إعادة تهيئة أقل.

حالياً، تتبنى Walden أسلوب تشغيل ذاتي ممزوج بمساعدة بشرية عن بُعد. يمكن للروبوت إتمام المهام الروتينية التي يتقنها بشكل مستقل. وعندما يواجه أجساماً شاذة أو تغيّرات في البيئة أو حالات تتجاوز نطاق قدرات النموذج، يتدخل المشغل عن بُعد.

وفي تصميم هيكل الروبوت، تعتمد Walden نمطاً يجمع بين جذع علوي شبيه بالإنسان وذراعيْن، مع قاعدة حركة بعجلات. كما تركز منتجاتها على قدرات التشغيل بالذراعين، وتعلم المهام، والتكيف مع البيئة.

لا تُعد الروبوتات ذات الحركة العجلات في الأرض أمراً نادراً في البيئات الصناعية ومستودعات التخزين حيث تكون الأرضية مستوية وتكون مواقع العمل محددة. وتتمثل أبرز مزاياها في الثبات وتحمل الأوزان وتعقيد النظام الذي يمكن التحكم فيه نسبياً. ويساعد تصميم الجذع الشبيه بالإنسان على استخدام الروبوت لأدوات ومساحات عمل مصممة للإنسان. أما “الشمولية” التي يسعى إليها هذا التصميم فتأتي أكثر من قدرة النموذج على تعلم مهام مختلفة، ومن قدرة نظام الذراعين على التعامل مع مجموعة متنوعة من الأشياء والمعدات.

لكن على الرغم من أن Walden تمتلك شروطاً استثنائية، فإنها تشكل أيضاً نوعاً من السبق في مسار الروبوتات. كما قال Russ Tedrake خلال الظهور الرسمي لـ Walden: “الفريق قوي بما يكفي، والتقدم سريع بما يكفي، ولذلك لا نحتاج إلى تضخيم الأمر.” ومع ذلك، وبالنسبة لهذه الشركة التي خرجت للتو من حالة الخفاء، كما قال Russ Tedrake أيضاً: “لقد بدأنا للتو رحلتنا.”