تصور کنید به جای ساعتها کدنویسی و برنامهریزی پیچیده، تنها کافی باشد یک ویدیوی کوتاه از نحوه انجام کاری را به ربات نشان دهید تا آن را بیدرنگ و دقیق اجرا کند. استارتاپ Skild AI با همکاری غول دنیای تراشهها، انویدیا، از مدل پایه رباتیک S1 رونمایی کرده است که این رویا را به واقعیتی در خطوط تولید صنعتی تبدیل میکند.
انقلاب در هوش مصنوعی فیزیکی؛ پایان دوران برنامهنویسی سنتی رباتها
یکی از بزرگترین چالشهای رباتیک در محیطهای صنعتی، انبارها و کارخانهها، انعطافناپذیری آنهاست. در دنیای واقعی، خطوط تولید مداوم تغییر میکنند، چیدمانها جابهجا میشوند و محصولات جدید از راه میرسند؛ اما رباتهای مرسوم برای هر تغییر کوچک، نیازمند صدها ساعت برنامهریزی مجدد، کالیبراسیون و اعتبارسنجی دادهها هستند.
مدل جدید S1 که توسط Skild AI و بر بستر زیرساختهای محاسباتی انویدیا توسعه یافته، پاسخی ساختارشکن به این محدودیت کهنه است. این مدل بر مبنای مفهومی به نام یادگیری درونزمینهای (In-Context Learning) کار میکند؛ بدین معنا که بدون نیاز به بهروزرسانی وزنهای شبکه عصبی یا فرایندهای زمانبر بازآموزی (Fine-Tuning)، تنها از یک ورودی تصویری، هدف و گامهای عملیاتی را استخراج و اجرا میکند.
مدل S1 چگونه کار میکند؟ از تماشای ویدیو تا اجرای آنی
در فرایند سنتی، اگر میخواستید رباتی یک قطعه جدید را جابهجا کند، باید مسیرهای حرکتی، موقعیت زاویهای مفاصل و سناریوهای خطا را خطبهخط تعریف میکردید. با مدل S1، اپراتور تنها کافی است ویدیویی از انجام وظیفه مورد نظر ضبط کند و آن را به عنوان یک «پرامپت تصویری» به مدل تحویل دهد.
مدل S1 این ورودی ویدیویی را تجزیهوتحلیل کرده، ماهیت اشیا، ترتیب اقدامات و مقصود نهایی را درک میکند و بلافاصله آن را به حرکات فیزیکی بازوهای رباتیک ترجمه مینماید. نکته شگفتانگیز این است که این وظایف حتی نیازی نیست قبلاً در مجموعه دادههای آموزشی اولیه ربات وجود داشته باشند.
قابلیتهای کلیدی مدل پایه S1:
- اجرای وظایف چندمرحلهای طولانی: قابلیت پیادهسازی فرایندهایی تا سقف ۱۰ دقیقه شامل دهها مرحله دستکاری پیوسته.
- سازگاری با تغییرات محیطی: چنانچه قطعه یا شیء جابهجا شود، ربات خود را با وضعیت جدید تطبیق میدهد.
- بازیابی خودکار از خطا: توانایی اصلاح خطا در حین کار بدون توقف چرخه عملیات.
- سرعت فوقالعاده در استقرار: در آزمایشهای انجامشده، فاصله میان ضبط ویدیوی آموزشی تا اجرای کاملاً خودمختار ربات تنها ۱۱ دقیقه بوده است.
مقایسه عملکرد: جهش چشمگیر در بهرهوری صنعتی
بر اساس گزارشهای منتشرشده، یک ویدیوی کوتاه آموزشی برای مدل S1 میتواند معادل حدود ۳۸۰ نمونه آموزش دستی باشد. جمعآوری دستی این حجم از داده معمولاً بین ۵۰ تا ۱۰۰ ساعت زمان میبرد، در حالی که مدل S1 این مرحله را به چند دقیقه کاهش داده است.
| شاخص عملکردی | سیستمهای سنتی رباتیک | مدل رباتیک S1 |
|---|---|---|
| نیاز به برنامهنویسی مجدد | بسیار بالا برای هر وظیفه جدید | صفر (یادگیری مستقیم از ویدیو) |
| نرخ موفقیت در وظایف چندمرحلهای جدید | حدود ۹ درصد | حدود ۶۶ درصد (بیش از ۷ برابر بهبود) |
| زمان لازم برای تعریف کار جدید | چندین روز یا هفته | حدود ۱۰ تا ۱۵ دقیقه |
| زیرساخت شبیهسازی و داده | محدود به دادههای فیزیکی | استفاده از دادههای ترکیبی NVIDIA Cosmos و Isaac Lab |
اتحاد با انویدیا و فاکسکان؛ ساخت سرورهای Blackwell در دنیای واقعی
این دستاورد صرفاً یک پروژه دانشگاهی نیست، بلکه در حال حاضر وارد بزرگترین زنجیرههای تأمین جهان شده است. Skild AI با همکاری انویدیا و فاکسکان (بزرگترین تولیدکننده قراردادی قطعات الکترونیکی دنیا)، «مغز رباتیک Skild» را روی رباتهای دومحوره برای مونتاژ دقیق زیرساختهای محاسباتی NVIDIA Blackwell به کار گرفته است.
در این فرایند صنعتی، رباتها وظایفی مانند نصب باسبار (شینههای الکتریکی)، بستن ۱۶ پیچ با دقت بالا و واکنش به موانع محیطی را با موفقیت انجام میدهند؛ اموری که به دقت میلیمتری، کنترل حساس به لمس و تصمیمگیری لحظهای نیاز دارند.
رشد تجاری خیرهکننده و چشمانداز بازار Physical AI
موفقیتهای فنی Skild AI بازتاب سریعی در کارنامه مالی این استارتاپ داشته است. این شرکت تنها ۱۰ ماه پس از اولین پیادهسازی تجاری خود توانسته به نرخ درآمد سالانه (ARR) معادل ۱۰۰ میلیون دلار دست یابد و بیش از ۶۰ شراکت استقرار تجاری در بخشهای تولید، لجستیک، بازرسی و آمادهسازی غذا ایجاد کند.
انویدیا با ابزارهایی مانند NVIDIA Isaac Lab برای شبیهسازی فیزیکی و Cosmos برای تولید دادههای ترکیبی مقیاسپذیر، زیرساخت بنیادین این تحول را فراهم کرده است. این همکاری نشان میدهد آینده صنعت نه رباتهای تکمنظوره، بلکه مدلهای هوش مصنوعی چندمنظورهای خواهد بود که جسم فیزیکی پیدا میکنند و درک عمیقی از جهان مادی دارند.
جمعبندی
همگرایی یادگیری ویدیویی در مدل S1 و توان پردازشی انویدیا، نقطه عطفی در اتوماسیون صنعتی است. با حذف گلوگاههای برنامهنویسی سنتی، کارخانههای آینده میتوانند در عرض چند دقیقه خطوط تولید خود را برای محصولی کاملاً جدید بازطراحی کنند؛ گامی بنیادین به سوی تجاریسازی فراگیر هوش مصنوعی فیزیکی.
سؤالات متداول
مدل S1 شرکت Skild AI دقیقاً چیست؟
مدل S1 یک مدل پایه (Foundation Model) در حوزه هوش مصنوعی فیزیکی است که به رباتها اجازه میدهد وظایف حرکتی و صنعتی پیچیده را تنها با مشاهده یک ویدیو و بدون نیاز به برنامهنویسی مجدد یاد بگیرند.
چگونه یک ربات بدون بازآموزی (Retraining) کار جدیدی را یاد میگیرد؟
از طریق تکنیک «یادگیری درونزمینهای» (In-Context Learning)، مدل ویدیو را به عنوان یک راهنما دریافت کرده، اجزا و مراحل آن را تحلیل میکند و بدون تغییر در وزنهای پایه خود، دستورات حرکتی را برای سختافزار صادر مینماید.
نقش انویدیا در توسعه مدل Skild AI چیست؟
انویدیا زیرساختهای محاسباتی هوش مصنوعی، پلتفرمهای شبیهسازی پیشرفته مانند Isaac Lab و فناوری Cosmos را برای تولید دادههای مصنوعی و آموزش مقیاسپذیر این مدل فراهم کرده است.
این فناوری در حال حاضر در چه صنایعی آزمایش شده است؟
علاوه بر وظایف عمومی مانند باغبانی و آمادهسازی غذا، این مدل هماکنون در خطوط تولید فاکسکان برای مونتاژ دقیق سرورهای نسل جدید انویدیا بلکول (Blackwell) به کار گرفته شده است.
