Dream Labs تجمع 90 مليون دولار في جولة تمويل تأسيسية لتعميم الذكاء الاصطناعي للروبوتات على أجهزة مختلفة

Dream Labs، شركة ناشئة أسسها باحثون سابقون في مجال الروبوتات لدى NVIDIA، جمعت 90 مليون دولار في جولة تمويل تأسيسية، وأطلقت واجهة برمجة تطبيقات عامة لنموذج Dream-1، المصمم لنقل المهارات بين روبوتات مختلفة. قادت الجولة B Capital إلى جانب Kindred Ventures، بمشاركة A.Capital وUnusual Ventures ومستثمرين آخرين.

تعمل الشركة على معالجة إحدى العقبات المكلفة في مجال الروبوتات: فتعلم آلةٍ ما أداء مهمة لا يعني تلقائيًا انتقال هذه المعرفة إلى آلة أخرى. وتسعى Dream Labs إلى تمكين المطورين من البدء بنموذج مشترك، ثم تكييفه عندما يتطلب روبوت أو تطبيق معين تدريبًا أكثر تخصصًا.

يشمل الإطلاق واجهة برمجة تطبيقات، وخدمة للضبط الدقيق، وساحة تجارب للروبوتات تعمل عبر المتصفح. وتتيح هذه الساحة للمستخدمين إرسال تعليمات إلى روبوتات فعلية في مكتب الشركة بسان فرانسيسكو. وتقول Dream Labs إن التمويل سيُخصص أساسًا للقدرات الحاسوبية، بالتزامن مع توسيع إمكانات النموذج وسعته.

كيف يربط Dream-1 بين الفيديو والأفعال المادية

تصف Dream Labs نموذج Dream-1 بأنه «نموذج للعالم والفعل». ويشرح عرضها التقني للإطلاق نظامًا يتنبأ بالفيديو والأفعال معًا؛ إذ يرتبط توقّع كيفية تغيّر المشهد بتحديد ما ينبغي للروبوت فعله لاحقًا.

تكمن أهمية هذا التمييز في اختلاف أجسام الروبوتات. فالأوامر الموجّهة إلى مفاصل ذراع وتنجح معه لن تنجح بالضرورة مع ذراع أخرى. ويمكن لـDream-1 بدلًا من ذلك التنبؤ بوضعيات أداة النهاية، أي الموضع والاتجاه المطلوبين لكل ماسك، وما إذا كان ينبغي أن يكون مفتوحًا أم مغلقًا. ويحوّل محلّل الحركة العكسية الخاص بكل روبوت هذه الأهداف إلى حركات تستطيع مفاصله تنفيذها.

يوفر ذلك واجهة موحّدة للأجهزة المختلفة من دون اشتراط تطابقها في العتاد. ويستخدم النموذج لقطات من ثلاث كاميرات: واحدة تُصوّر المشهد، وواحدة مثبتة على كل معصم. كما يتيح له تمثيل الفيديو الاستدلال بشأن الأذرع والماسكّات المختلفة عبر وسيط بصري واحد.

بالنسبة إلى المطورين، تجمع هذه الخدمة ذلك البحث في سير عمل مباشر نسبيًا. يزوّد الروبوت النظام بالصور وحالته الراهنة وتعليمات المهمة، ثم يعيد النموذج الأفعال المطلوبة. وتعمل النماذج عبر الخدمة المستضافة لدى Dream Labs، فلا يحتاج كل مطور إلى إنشاء نموذج تأسيسي للروبوتات وتشغيله.

نطاق محدد للتعميم دون تدريب مسبق

تركّز قدرة الشركة الحالية على التعميم دون تدريب مسبق على الروبوتات ثنائية الذراع ذات الماسكّات المتوازية: وهي أجهزة لها ذراعان وماسكّات بسيطة تفتح وتغلق. ويعني التعميم دون تدريب مسبق أن النموذج يستطيع محاولة تنفيذ مهام على روبوت غير مألوف من دون أن يتدرب أولًا على عروض توضيحية خاصة بذلك الجهاز.

اختبر التقييم الذي نشرته Dream Labs، في بيئة محاكاة، 27 تجسيدًا غير مسبوق للروبوتات، باستخدام 300 عملية تشغيل لكل تجسيد. وأُبلغ عن النتائج مقارنةً بـYAM، وهو الروبوت الذي دُرّب عليه Dream-1. وتباين الأداء بدرجة كبيرة باختلاف العتاد، لذا تصبح قراءة الادعاء الأبرز بشأن انتقال المهارات بين الروبوتات إلى جانب النتائج التفصيلية أكثر فائدة.

ينبغي عدم الخلط بين هذه الدرجات النسبية ومعدلات النجاح المطلقة في المهام. كما أن نقل سياسة تشغيل إلى روبوت مختلف لا يثبت أنها ستنجز كل مهمة على نحو موثوق. وتُميّز صفحة البحث، في تقييماتها للمهام، بين الإنجاز الكامل والتقدم الجزئي.

وتنطوي واجهة التحكم أيضًا على مفاضلات. فالتنبؤ بالوجهة التي ينبغي أن يصل إليها الماسك لا يحدد بالكامل المسار الذي ستسلكه الذراع للوصول إليها. وقد تؤثر العوائق وحدود المفاصل وجودة محلّل الحركة العكسية للروبوت في الأداء. كذلك قد تكشف الروبوتات ذات نطاقات الحركة أو الخصائص الديناميكية المختلفة جدًا عن فجوات إضافية بين تنبؤ النموذج وما يستطيع العتاد تنفيذه فعليًا.

الضبط الدقيق يتيح مسارًا يتجاوز الأداء الأساسي

تمنح خدمة Dream Labs للضبط الدقيق كخدمة المطورين خيارًا آخر عندما لا يحقق النموذج العام النتائج المطلوبة. إذ يمكنهم تحميل عروض توضيحية مأخوذة من روبوتاتهم الخاصة، والحصول على نموذج مكيّف بدلًا من البدء بمشروع تدريب من الصفر.

تعرض الشركة أمثلة على التكييف باستخدام خمس دقائق من البيانات الخاصة بالروبوت، إلى جانب أمثلة تتطلب بيانات أكثر بكثير عند التعامل مع أدوات نهاية غير مألوفة. وتوضح هذه العروض اختلاف احتياجات التكييف، لكنها لا تثبت وجود متطلب عام يقضي بالتدريب خمس دقائق.

وهذا تمييز عملي مهم. فقد يقلل النموذج المشترك من العمل الأولي اللازم لتحريك روبوت، لكن قد تظل البيانات الخاصة بالمهمة ضرورية لجعل سلوكه مفيدًا في تطبيق معين. وتقرّ Dream Labs بأن النماذج المكيّفة لا تزال تتفوق على التشغيل دون تدريب مسبق.

تحدد صفحة البحث تكلفة الاستدلال عند 3 دولارات في الساعة لنموذج Dream-1، ودولارين في الساعة للنسخة الأخف Dream-1-flash. وتعيد كل استدعاءة للنموذج أفعالًا مدتها 1.6 ثانية. وتظل تكلفة العتاد والتكامل وأي خدمات إضافية عوامل مستقلة ينبغي أخذها في الحسبان عند تقدير تكلفة النشر.

من العروض البحثية إلى العمل القابل للتكرار

سبق لفريق الشركة الناشئة العمل على DreamZero وأبحاث NVIDIA في مجال الروبوتات باستخدام GR00T. وتسعى الشركة، من خلال Dream-1، إلى تحويل ذلك البحث إلى خدمة يستطيع المطورون اختبارها على أجهزتهم.

يشكّل إتاحة الوصول جانبًا مهمًا من الإعلان. وتتيح واجهة برمجة تطبيقات عامة لمصنّعي الروبوتات والفرق الأصغر تقييم السلوك مباشرة، بما في ذلك الحالات التي يفشل فيها، بدلًا من الاعتماد حصرًا على عروض توضيحية منتقاة. أما Playground المتاح مباشرةً، فيقدّم مدخلًا أيسر للأشخاص الذين لا يملكون روبوتًا.

لا يزال Dream-1 إصدارًا تجريبيًا بحثيًا، وتذكر Dream Labs أنه لم يُتحقق من صلاحيته للاستخدامات الحساسة للسلامة. وينصب تركيزه الحالي على المناولة باستخدام أنظمة ذات ذراعين وقابضين متوازيين؛ أما توسيع الدعم ليشمل الروبوتات المتنقلة والعتاد ذا البراعة الحركية، فلا يزال جزءًا من جهود التطوير.

يتمثل السؤال التجاري في ما إذا كان النموذج القابل للنقل بين الآلات يستطيع أيضًا تقديم أداء متكرر في مهام سيدفع الناس مقابل أتمتتها. وتمنح جولة التمويل البالغة 90 مليون دولار Dream Labs الموارد اللازمة للسعي إلى تحقيق هذا الهدف. وسيكون الاختبار الأهم هو مقدار البيانات المخصصة والجهد الهندسي الذي سيظل المطورون بحاجة إليه بعد توصيل روبوت جديد.