Physical AI
يتيح الذكاء الاصطناعي الفيزيائي للروبوتات والمركبات والآلات الأخرى إدراك العالم الحقيقي والاستدلال بشأنه والتصرف فيه. ويغطي البنية التقنية والتدريب والاستخدامات.
الذكاء الاصطناعي المادي هو الذكاء الاصطناعي (AI) الذي يدرك العالم المادي ويفكر فيه ويتصرف داخله من خلال جسم، مثل الروبوتات والطائرات المسيّرة والمركبات ذاتية القيادة والآلات الصناعية الذكية. يخرج روبوت الدردشة نصًا على الشاشة، بينما يخرج نظام الذكاء الاصطناعي المادي أمرًا لمحرك تعتمد نتيجته على الاحتكاك والجاذبية والتصادمات والأشخاص القريبين؛ لذا يجب أن يفهم النظام الفضاء ثلاثي الأبعاد والعلاقات السببية بما يكفي للتصرف بأمان في الوقت الفعلي. جعلت NVIDIA هذا المصطلح محورًا لمنصات الروبوتات والمحاكاة لديها، وانتشر استخدامه مع بدء النماذج الكبيرة المدربة مسبقًا بالتحكم في روبوتات حقيقية. وهو قريب من مصطلح الذكاء الاصطناعي المتجسد، وهو المصطلح البحثي الأقدم، بينما يشيع استخدام الذكاء الاصطناعي المادي في الصناعة.
آلية عمل أنظمة الذكاء الاصطناعي المادي#
تغلق كل منظومة ذكاء اصطناعي مادي حلقةً بين الاستشعار والفعل، مرات عديدة في الثانية:
- الاستشعار: تقيس الكاميرات والليدار والرادار ووحدات قياس القصور الذاتي ومشفّرات المفاصل ومستشعرات القوة العالم والحالة الداخلية للآلة.
- الإدراك: تحوّل نماذج الرؤية وحدات البكسل الخام إلى كائنات وأعماق ووضعيات وخرائط يستطيع المخطِّط الاستدلال بشأنها.
- اتخاذ القرار: يختار المخطِّطون أو السياسات المتعلّمة أو النماذج التأسيسية الكبيرة للروبوتات الفعل التالي.
- التشغيل: تنفذ المحركات والماسكات والعجلات والمكابح الفعل، وتقيس المستشعرات أثره في الخطوة التالية.
يجمع دمج المستشعرات مزايا المستشعرات المختلفة، وتتولى الرؤية الحاسوبية معظم أعمال الإدراك، بينما تصدر القرارات عن متحكمات مثل التحكم التنبؤي بالنموذج أو السياسات المدرّبة باستخدام التعلم المعزز أو النماذج التأسيسية للروبوتات. وتقسم هذه النماذج التأسيسية اتخاذ القرار على نحو متزايد بين نموذج أبطأ يفسر التعليمات والمشهد، وآخر أسرع يصدر أوامر المحركات، كما في نموذج GR00T N1 المفتوح للروبوتات الشبيهة بالبشر من NVIDIA، الذي يجمع نموذج رؤية ولغة مع وحدة أفعال منفصلة:
تجمع نماذج الرؤية واللغة والفعل (VLA) كلا الدورين في شبكة واحدة. وأظهر RT-2 من Google DeepMind في عام 2023 أن ضبط نموذج رؤية ولغة دقيقًا لإخراج أفعال الروبوت على هيئة رموز ينقل المعرفة المكتسبة من بيانات الويب إلى التحكم. ويضيف نموذج π0 من Physical Intelligence خبير أفعال لمطابقة التدفق، قريبًا في فكرته من سياسات الانتشار، يُخرج مقاطع أفعال سلسة تشمل عدة خطوات مستقبلية دفعة واحدة، بينما توسع نماذج Gemini Robotics من Google DeepMind هذا النهج ليشمل مهام متعددة الخطوات تتطلب براعة، مثل طي الأوريغامي.
من الإدراك إلى الفعل في الشيفرة#
الإدراك هو الحلقة الأولى في دورة التحكم، وتحد سرعته من سرعة استجابة الآلة. صُمم Ultralytics YOLO26 لهذا الدور الطرفي، ويعمل على حواسيب الروبوت مثل NVIDIA Jetson بعد التصدير إلى TensorRT. يكتشف هذا المثال الأشخاص في إطار كاميرا، ويحوّل الكشف الأعلى ثقة إلى أمر توجيه باستخدام متحكم تناسبي، وهو أبسط أشكال التوجيه البصري:
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
# Perceive: detect people (COCO class 0) in the robot's camera frame
results = model("https://ultralytics.com/images/bus.jpg", classes=[0])
result = results[0]
# Act: steer toward the most confident person with a proportional controller
best = int(result.boxes.conf.argmax())
x_center = float(result.boxes.xywhn[best, 0]) # 0 = left edge of the frame, 1 = right edge
turn_rate = -1.5 * (x_center - 0.5) # rad/s; positive turns left, toward a person on the left
print(f"Person at {x_center:.2f} of frame width -> turn command {turn_rate:+.2f} rad/s")يطبع الموضع الذي يشغله الشخص المختار عبر الإطار، وأمر انعطاف تشير إشارته إلى اتجاه توجيه الروبوت نحوه ويزداد حجمه مع الإزاحة. وفي الروبوت، تُنفذ الخطوتان نفسيهما مع كل إطار للكاميرا، لذا يتقلص الأمر إلى الصفر عندما يلتفت الروبوت لمواجهة هدفه.
تدريب الذكاء الاصطناعي المادي#
تمثل البيانات العائق الأساسي: فالإنترنت يحوي تريليونات الكلمات، لكنه يضم تسجيلات قليلة جدًا لروبوتات أثناء العمل، كما يرتبط كل تسجيل بجسم روبوت واحد ومستشعراته. تجمع الفرق عروضًا توضيحية للتحكم عن بُعد، يقود فيها الأشخاص الروبوت لأداء مهمة مع تسجيل مستشعراته وأوامره، ثم تدرّب السياسات على تقليدها. وتشغّل محاكيات الفيزياء مثل NVIDIA Isaac Lab آلاف الروبوتات بالتوازي لإجراء التعلم المعزز العميق، مع عشوائية المجال في الفيزياء والمظهر لتقليص الفجوة بين المحاكاة والواقع. وتوفر المشاهد المولّدة والتوائم الرقمية بيانات اصطناعية موسومة لحالات نادرة، لتدريب نماذج الإدراك، بينما تُنشئ نماذج العالم تنويعات جديدة من المشاهد المسجلة، مثل الشارع نفسه في المطر أو ليلًا.
تطبيقات عملية#
- الخدمات اللوجستية: تتنقل الروبوتات المتنقلة ذاتية القيادة في المستودعات باستخدام خرائط تنشئها بنفسها، وتغيّر مساراتها لتفادي الأشخاص والرافعات الشوكية، بينما تتبع المركبات الموجهة آليًا مسارات ثابتة.
- التصنيع: تلتقط الأذرع الموجهة بالرؤية أجزاءً مكدسة عشوائيًا، وتركّب المكونات، وتفحص عملها بنفسها؛ كما تُختبر الروبوتات الشبيهة بالبشر في عمليات تجريبية لنقل الصناديق والأجزاء.
- الرعاية الصحية: في عام 2025، نفّذ روبوت SRT-H من Johns Hopkins، المدرّب على فيديوهات للجراحين، مرحلة أساسية من استئصال المرارة على ثماني مرارات خنازير خارج الجسم، من دون تحكم بشري في أذرعه، مع الاستجابة للتصحيحات المنطوقة.
- الزراعة: تحدد روبوتات الحصاد وإزالة الأعشاب كل نبتة على حدة باستخدام الكاميرات، ثم تتصرف حيالها، كأن تزيل عشبة ضارة من دون رش الحقل بأكمله.
- القيادة: تُعد سيارات الأجرة ذاتية القيادة وأنظمة مساعدة السائق أكبر أساطيل الذكاء الاصطناعي الفيزيائي المنشورة، إذ تدرك حركة المرور وتتحكم في المركبة مرات عديدة في الثانية.
الذكاء الاصطناعي المادي والمصطلحات ذات الصلة#
- الروبوتات: مجال هندسي لتصميم الروبوتات وبنائها، ويشمل الميكانيكا والإلكترونيات والتحكم. أما الذكاء الاصطناعي المادي، فهو الذكاء المتعلّم الذي يدرك ويتخذ القرارات، ويعمل أيضًا في المركبات والآلات التي لا تُسمى روبوتات.
- الذكاء الاصطناعي التوليدي: ينتج النصوص والصور والفيديو والشيفرة. وتُستخدم تقنياته الآن أيضًا في الذكاء الاصطناعي المادي، من نماذج الانتشار التي تولّد حركات الروبوتات إلى نماذج العالم التي تولّد مشاهد التدريب.
- الذكاء المكاني: القدرة على فهم الفضاء ثلاثي الأبعاد والكائنات والعلاقات بينها والاستدلال بشأنها، وهي قدرة يعتمد عليها الذكاء الاصطناعي المادي.
- الذكاء الاصطناعي الطرفي: تشغيل النماذج على الجهاز نفسه. ويُعد الذكاء الاصطناعي المادي في الغالب ذكاءً طرفيًا، لأن الروبوت لا يستطيع انتظار رحلة ذهاب وإياب عبر الشبكة قبل الكبح.










