تتيح Serve Robotics برمجيات أسطولها وبياناته لشركات الذكاء الاصطناعي المادي

أعلنت Serve Robotics عن Physical AI Services في 5 نوفمبر 2026، وأتاحت بذلك لشركات أخرى تطوّر تقنيات الذكاء الاصطناعي المادي أدواتها لربط الروبوتات وتنظيم البيانات وإعداد بيانات التدريب من العالم الواقعي. وتُعد Bedrock Robotics، المطوّرة للأنظمة ذاتية التشغيل لمعدات الإنشاءات الثقيلة، من بين العملاء عند الإطلاق.

تحوّل مجموعة المنتجات الثلاثة إلى خدمة بنيةً تحتية طوّرتها Serve بالتزامن مع توسيع عملياتها. وتقول الشركة إنها نشرت أكثر من 2,000 روبوت في أكثر من 40 مدينة و27 مستشفى، وإن خدمات الذكاء الاصطناعي المادي تشغّل بالفعل آلاف المركبات في 12 قطاعًا. وتشمل هذه القطاعات الإنشاءات والتعدين والنقل بالشاحنات ذاتية القيادة، فضلًا عن أسطول Serve لتوصيل الطعام على الأرصفة، ما يمنح الخدمة قاعدة تشغيلية تمتد إلى آلات وبيئات متنوعة.

قال الشريك المؤسس والرئيس التنفيذي Ali Kashani: «بناء روبوت ليس سوى البداية. فإبقاء آلاف الروبوتات متصلة، ومواصلة تعلّمها وتحسينها، يتطلب طبقة أخرى من التكنولوجيا».

الاتصال والإشراف على الأسطول

يربط Serve Link الآلات الموجودة في الميدان بالنماذج وأنظمة المراقبة والتدريب، في وقت ينتقل فيه المزيد من عمليات الحوسبة الخاصة بالذكاء الاصطناعي المادي إلى مراكز البيانات. وتشمل وظائفه إدارة المهام، ومراقبة حالة الوحدات، وتقديم المساعدة عن بُعد لمعالجة الحالات الاستثنائية، وجمع البيانات، واستخراج الأمثلة الصعبة. وتستخدم Bedrock Link لربط المعدات عبر شبكات Wi-Fi وLTE و5G والأقمار الصناعية.

توضح وثائق Physical AI Services أن البرنامج يستطيع دمج اتصالات 4G و5G وWi-Fi والأقمار الصناعية والشبكات الخلوية الخاصة، ويتنبأ بأفضل آلية لنقل البيانات لتجنب التخزين المؤقت، وقد صُمم لتقليل زمن الاستجابة ووقت المعالجة والأعباء الحسابية، مع إمكانية تشغيله على أي جهاز تقريبًا. وتهدف هذه الإمكانات إلى إبقاء الأساطيل متصلة، مهما اختلفت المواقع وظروف الشبكة.

من بيانات الأسطول إلى بيانات التدريب

تعالج Serve Data Curator الكم الهائل من المعلومات التي تنتجها الروبوتات المنشورة. وتحول بيتابايتات من مدخلات المستشعرات إلى بيانات أسطول قابلة للبحث والعرض المرئي، ما يتيح للمهندسين العثور على سيناريوهات ذات صلة، والتحقيق في الأعطال، وتحديد الحالات الحدّية النادرة، من دون مراجعة كل تسجيل يدويًا.

يمكن جمع أمثلة مختارة في مجموعات بيانات مركّزة للتدريب والتقييم. وتربط أدوات التعليق التوضيحي المدمجة والتكامل مع مسارات عمل التعلّم الآلي بين العثور على أمثلة مفيدة واستخدامها في تطوير النماذج. ويمكن بعد ذلك الاسترشاد بأداء النموذج لتحديد الأمثلة التي ستنتقيها الفرق وتجمعها وتحاكيها لاحقًا، بما يربط بين ما تصادفه الروبوتات في الميدان والتدريب اللاحق.

تقول Serve إن Data Catalog يضم ملايين الساعات من البيانات الواقعية التي جمعتها روبوتات تعمل في الشوارع، وتشمل معلومات طبوغرافية وبيانات عن البنية التحتية، وإن جمع البيانات أثناء التشغيل الفعلي يحترم القوانين المحلية وخصوصية الأشخاص الموجودين بالقرب من الروبوتات. وتهدف بيانات التضاريس والبنية التحتية المجمعة خلال عمليات النشر على الأرصفة إلى تعليم النماذج التأسيسية عن البيئات الحضرية المعقدة التي يصنعها البشر، مثل أرصفة المدن.

المجموعة معيارية وسهلة الدمج والتشغيل، وتشمل الاستخدامات الموثقة فيها الروبوتات البشرية، والزراعة، والغابات، والاستكشاف تحت الماء، والشاحنات ذاتية القيادة، إلى جانب التوصيل والإنشاءات. والقاسم المشترك بينها هو البنية التحتية: إذ تُقدَّم إمكانات الاتصال ونقل البيانات وانتقاؤها كأسس جاهزة، كي يتسنى للعملاء تخصيص وقتهم الهندسي لآلاتهم وأنظمة القيادة الذاتية الخاصة بهم.

بالنسبة إلى Serve، يتمثل السؤال المحوري في مدى إمكانية نقل خبرتها التشغيلية إلى مجالات أخرى. فالخدمة تدعو العملاء إلى الاستفادة من بنية تحتية وبيانات تشكلت عبر عمليات النشر على الأرصفة وفي المستشفيات، بينما تؤدي آلاتهم مهام مختلفة؛ وتعتمد قيمة هذه الأسس المشتركة على مقدار العمل الهندسي الذي يمكنها الاستغناء عنه.