الروبوتات والذكاء الاصطناعي الفيزيائي
ASUS تحدد هدفًا للتعبئة بوتيرة بشرية لروبوت Gallop الشبيه بالبشر
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةASUS tests Gallop on its own factory lines rather than rented space.
عرض المزيد
- ASUS tests Gallop on its own factory lines rather than rented space.
- Four fixed software layers let ASUS swap AI models without rebuilding the robot.
- Customer pilots in 2027 must prove repeatable factory results before broader use.
كشفت ASUS في 13 نوفمبر 2026 عن تفاصيل Gallop، أول روبوت بشريّ الهيئة من تطويرها، والذي يتعلم تعبئة 15 ملحقًا للوحة الأم في أحد مصانع الإلكترونيات التابعة للمجموعة، مستهدفًا تحقيق نسبة نجاح تبلغ 99.5% خلال 20 ثانية لكل لوحة.
تُحفظ قطع كثيرة في أكياس رقيقة وشفافة، ما يجعل محطة العمل مهمة صعبة على الماسكات البسيطة. واختارت ASUS هذه المهمة لاختبار قدرة الروبوت على إنجاز معظم العمل من دون أن يقف شخص إلى جانبه باستمرار. وتطبّق الشركة معيار السرعة والنجاح نفسه على الأشخاص؛ فأرقام Gallop مستهدفات وليست نتائج معلنة تحققت بالفعل.
أصبحت دورة العرض والتعلّم واختبار خط الإنتاج مكتملة وتعمل الآن: يشرح شخص المهمة، ويتعلمها الروبوت، ثم تختبره ASUS على خط الإنتاج. وتطوّر الروبوت وحدة أعمال Humanoid Robotics ضمن مجموعة أعمال Physical AI Solutions Business Group، في إطار برنامج بدأ في أوائل عام 2026.
تستند حجة ASUS الأوسع لاختيار الهيئة البشرية للروبوت إلى أن الذراعين واليدين الماهرتين تتيحان له استخدام محطات العمل والأدوات والصواني الحالية المصممة للبشر، ما يغني عن إعادة بناء المصنع حول الروبوت، مع الإقرار بأن المهام لا تتطلب جميعها روبوتًا بشريّ الهيئة.
التدريب بالاستناد إلى العمال المهرة
تبدأ ASUS بنماذج ذكاء اصطناعي مفتوحة بدلًا من بناء نموذج ضخم داخليًا. ويرتدي العمال ذوو الخبرة، بموافقتهم، كاميرات مثبتة على الرأس، كي تُظهر عروضهم التوضيحية كيفية تنفيذ العمل فعليًا. وتولّد المحاكاة تنويعات من تلك الأمثلة، ثم يوجّه مشغّل يرتدي خوذة واقع افتراضي وقفازات Gallop خلال تدريبات على استخدام القطع والكاميرات نفسها الموجودة في محطة العمل الحقيقية.
تُستخدم التسجيلات التي تُلتقط بعد نشر الروبوت مجددًا في التدريب. وتصف ASUS ميزتها بأنها امتلاك البيانات المناسبة من محطات العمل والقطع وقواعد الجودة الفعلية، فضلًا عن أن مصانعها الخاصة لخدمات تصنيع الإلكترونيات توفر بيئة اختبار تضطر معظم شركات الروبوتات إلى استئجارها.
أربع طبقات برمجية ومكوّنات عتادية مطوّرة داخليًا
تتوزع برمجيات Gallop على أربع طبقات. تفسر طبقة التخطيط المشهد وتقسم المهمة إلى خطوات؛ وتتحقق طبقة ثانية، هي المشرف المدعوم بالذكاء الاصطناعي، من كل خطوة وتعيد التخطيط عند حدوث مشكلة؛ وتتولى طبقة المهارات الوصول والإمساك والوضع؛ أما طبقة التحكم فتحرك الذراعين واليدين بدقة وتوقفهما إذا حدث خطأ ما.
صُممت واجهات ثابتة بين الطبقات لتمكين ASUS من استبدال نماذج الذكاء الاصطناعي من دون إعادة بناء الروبوت. ويعمل النظام على حاسوب واحد من طراز NVIDIA Jetson AGX Thor داخل Gallop، مستخدمًا برمجيات الروبوتات القياسية.
تصمم ASUS هيكل الروبوت ويدًا ماهرة تستشعر اللمس داخليًا، بينما تأتي المحركات والمكونات القياسية الأخرى من شركاء راسخين. ويستخدم الروبوت الحالي قاعدة ثابتة وذراعين لتنفيذ أعمال الالتقاط والوضع في موقع ثابت؛ ولم تُدمج اليد المطورة داخليًا فيه بعد.
الخطط التجريبية وخطط التسويق التجاري
تخطط ASUS لدمج تلك اليد وإضافة عجلات وعرض Gallop على العملاء في Computex 2027، كما تخطط لإجراء تجارب مع العملاء خلال ذلك العام. وتستهدف الشركة إتاحته في السوق في النصف الثاني من عام 2028.
يُعد تصنيع الإلكترونيات السوق الأول المستهدف. وتتوقع ASUS أن تنتقل مهارات الالتقاط والوضع التي يتعلمها الروبوت في مهمة ما إلى مهام أخرى، ما يتيح استخدامات محتملة لاحقًا في المستشفيات ومواقع تقديم الخدمات.
توجّه ASUS الروبوت إلى محطات العمل المتكررة والمجهدة بدنيًا التي يصعب توفير عمالة لها، وليس إلى استبدال العمال. وسينتقل الموظفون الذين يعلّمونه إلى مهام إعداد الروبوتات والإشراف عليها وتحسينها.
ستختبر التجارب المخطط لها ما إذا كان التعلّم من العمال المهرة والبيانات الخاصة بكل محطة عمل قادرًا على الحفاظ على جودة المصنع ووتيرة العمل خلال التشغيل اليومي. وقد جعلت ASUS هذا الاتساق شرطًا للتوسع في الاستخدام: فحلقة التدريب العاملة في Gallop هي نقطة البداية، وعلى التجارب أن تثبت قدرته على تقديم نتائج قابلة للتكرار في ظروف المصنع اليومية.
