مرداد
اخبار
رباتهای میسترال بدون لیدار؛ ناوبری فقط با یک دوربین ساده
سالهاست تصور غالب این است که یک ربات برای حرکت ایمن در فضای صنعتی به لیدار، حسگر عمق و آرایهای از دوربینها نیاز دارد. میسترال، بزرگترین شرکت هوش مصنوعی اروپا، با مدل تازهای به نام روبوسترال نویگیت این فرض را زیر سؤال برده است. این مدل با یک دوربین رنگی ساده و بدون هیچ حسگر عمق یا لیداری، ربات را در محیط ناآشنا هدایت میکند و طبق نتایج منتشرشده از سامانههای چندحسگره هم جلو زده است.
لیست مطالب
۱) مسئله چیست و چرا لیدار مهم بود؟
ربات برای حرکت باید سه پرسش را پاسخ دهد: کجا هستم، محیط چه شکلی است، و چطور به مقصد برسم. روش سنتی پاسخ به این پرسشها، ساخت نقشهی سهبعدی دقیق از محیط با کمک لیدار است.
لیدار با پرتاب پالس نور و اندازهگیری زمان بازگشت آن، فاصلهی اجسام را با دقت بالا میسنجد. مزیتش دقت و کارکرد در نور کم است؛ اما دو ایراد جدی دارد: قیمت بالا و پیچیدگی نصب و کالیبراسیون.
در بسیاری از کاربردهای صنعتی، همین هزینه مانع اصلی استقرار گستردهی ربات بوده است. وقتی قیمت مجموعهی حسگرها با قیمت خود ربات رقابت میکند، معادلهی اقتصادی به هم میریزد.
۲) روبوسترال نویگیت چطور کار میکند؟
روبوسترال نویگیت یک مدل هشت میلیارد پارامتری است که بر پایهی مدل بینایی-زبانی داخلی میسترال ساخته شده؛ یعنی شرکت بهجای استفاده از مدلهای بینایی متنباز موجود، پایهی اختصاصی خود را برای وظایف زمینهمند طراحی کرده است.
منطق کار ساده اما هوشمندانه است: مدل تصویر دوربین را میبیند و دستور زبانی کاربر را میخواند، سپس مستقیماً تصمیم حرکتی بعدی را تولید میکند. در این مسیر نیازی به ساخت نقشهی سهبعدی صریح نیست؛ دانش فضایی درون خود مدل کدگذاری شده است.
این همان رویکردی است که مدلهای زبانی بزرگ در حوزهی متن پیش گرفتند: بهجای قواعد دستی، یادگیری الگو از حجم عظیم داده. تفاوت اینجاست که خروجی بهجای کلمه، حرکت است.
۳) عددها؛ نتایج محک چه میگویند؟
ارزیابی این مدل روی محک آر۲آر-سیای انجام شده که برای سنجش ناوبری مبتنی بر دستور زبانی در محیط پیوسته طراحی شده است. نتایج اعلامشده چنین است:
- نرخ موفقیت در محیطهای دیدهشده: ۷۹.۴ درصد.
- نرخ موفقیت در محیطهای کاملاً ناآشنا: ۷۶.۶ درصد.
- برتری ۹.۷ واحدی نسبت به بهترین روش تکدوربینهی پیشین.
- برتری ۴.۵ واحدی نسبت به بهترین سامانههای مبتنی بر حسگر عمق و چند دوربین.
نکتهی کلیدی، فاصلهی کم میان دو عدد اول است. اختلاف حدود سه واحدی میان محیط آشنا و ناآشنا نشان میدهد مدل صرفاً محیطهای آموزشی را حفظ نکرده، بلکه الگوی عمومیتری از ساختار فضا آموخته است.
۴) پشت صحنهی آموزش
مدل روی حدود ۴۰۰ هزار مسیر شبیهسازیشده از ۶ هزار صحنهی مختلف آموزش دیده است. استفاده از شبیهسازی بهجای دادهی واقعی، مزیت آشکاری دارد: تولید داده در مقیاس بزرگ بدون ریسک و هزینهی آزمایش فیزیکی.
در بخش کارایی آموزش، میسترال از الگوریتم پیشوند-انباره استفاده کرده که طبق گزارش شرکت مصرف توکن را حدود ۲۲ برابر کاهش داده است. در مقیاس صدها هزار مسیر، این بهینهسازی مستقیماً به کاهش هزینهی محاسباتی ترجمه میشود.
مرحلهی پایانی، یادگیری تقویتی برخط بوده که طبق اعلام شرکت حدود ۳.۲ درصد به نرخ موفقیت افزوده است. این الگوی سهمرحلهای — پیشآموزش، تنظیم و تقویت — امروز در بیشتر مدلهای پیشرو دیده میشود.
۵) روی چه رباتهایی کار میکند؟
یکی از ادعاهای مهم میسترال، سازگاری مدل با انواع مختلف پیکربندی ربات است: رباتهای چرخدار، رباتهای پادار و حتی پرندهها در اندازههای مختلف.
این انعطاف از همان تصمیم معماری میآید. وقتی ورودی فقط تصویر یک دوربین است و خروجی تصمیم حرکتی سطحبالا، لایهی کنترل پایینسطح میتواند برای هر بدنهی رباتیک متفاوت باشد.
کاربردهای اعلامشده شامل جابهجایی قطعات در خط تولید، لجستیک انبار، راهنمایی مهمان در فضاهای پذیرایی و استقرار ناوگان چندرباتی است. همهی اینها محیطهای داخلی نسبتاً ساختارمندی هستند که با نقاط قوت مدل همخوانی دارند.
۶) خبر مالی؛ میسترال کجا ایستاده است؟
همزمان با این رونمایی، گزارشها از مذاکرات میسترال برای دور تازهای از جذب سرمایه خبر میدهند. طبق این گزارشها، شرکت دربارهی جذب حدود ۳.۵ میلیارد دلار با ارزشگذاری نزدیک به ۲۳ میلیارد دلار گفتوگو میکند؛ رقمی که نسبت به ارزشگذاری چند ماه پیش تقریباً دو برابر شده است.
این ارقام هنوز رسماً تأیید نشدهاند و باید بهعنوان گزارشهای منتسب به منابع آگاه در نظر گرفته شوند. با این حال، جهت حرکت روشن است: سرمایهگذاران اروپایی و جهانی روی تنها بازیگر بزرگ مستقل اروپا در این حوزه شرط بستهاند.
ورود میسترال به رباتیک را باید در همین چارچوب خواند. شرکتی که تا دیروز عمدتاً با مدلهای زبانی شناخته میشد، حالا وارد میدانی شده که ارزش بازار بالقوهاش بسیار بزرگتر است. برای دنبال کردن این تحولات، بخش اخبار هوش مصنوعی بهروز میماند.
۷) هوش مصنوعی فیزیکی؛ میدان تازهی رقابت
اصطلاح هوش مصنوعی فیزیکی به مدلهایی اشاره دارد که بهجای تولید متن و تصویر، در جهان واقعی عمل میکنند. تفاوت این حوزه با هوش مصنوعی متنی، هزینهی خطاست: یک پاسخ اشتباه متنی قابل اصلاح است، اما یک تصمیم حرکتی اشتباه میتواند به تصادف منجر شود.
به همین دلیل، معیار موفقیت در این حوزه سختگیرانهتر است. نرخ موفقیت حدود ۷۶ درصد در محیط ناآشنا، برای یک محک پژوهشی عدد خوبی است، اما تا استقرار بدون نظارت در محیط واقعی فاصله دارد.
نکتهی مهم برای فهم درست این خبر، تفکیک نتیجهی محک از عملکرد میدانی است؛ همان شکافی که در بررسی ظرفیتها و محدودیتهای واقعی هوش مصنوعی با جزئیات توضیح داده شده است.
۸) این خبر برای صنعت چه معنایی دارد؟
برای درک بهتر جایگاه میسترال در کنار بازیگران بزرگتر این صنعت، مرور پروندهی اوپنایآی و مسیر رشد آن نقطهی مقایسهی مفیدی است.
اگر ناوبری قابل اتکا با یک دوربین ساده ممکن شود، معادلهی هزینهی استقرار ربات بهکلی تغییر میکند. کارخانهها و انبارهایی که تا دیروز خودکارسازی برایشان توجیه اقتصادی نداشت، وارد محاسبه میشوند.
اثر دوم به زنجیرهی تأمین برمیگردد. کاهش وابستگی به حسگرهای تخصصی یعنی کاهش وابستگی به تأمینکنندگان محدود این حسگرها؛ موضوعی که در سالهای اخیر گلوگاه بسیاری از پروژهها بوده است.
اثر سوم رقابتی است. اروپا در رقابت مدلهای زبانی عمدتاً نقش دنبالهرو داشته، اما در هوش مصنوعی فیزیکی هنوز رهبر مشخصی تثبیت نشده است. برای درک بهتر اینکه چنین جابهجاییهایی چطور بر کسبوکارها اثر میگذارد، تحلیل نقش هوش مصنوعی در کسبوکار نمونههای ملموسی ارائه میکند.
۹) چه چیزی هنوز روشن نیست؟
چند نکته در گزارشهای منتشرشده باز مانده است. جزئیات مجوز انتشار و شرایط استفادهی تجاری بهطور کامل مشخص نشده و ارقام دقیق تأخیر پردازش هم اعلام نشده است.
همچنین باید توجه داشت که آموزش عمدتاً در شبیهسازی انجام شده است. فاصلهی میان شبیهسازی و دنیای واقعی یکی از قدیمیترین چالشهای رباتیک است و نتایج میدانی مستقل هنوز منتشر نشدهاند.
در نهایت، عملکرد در شرایط دشوار مانند نور بسیار کم، سطوح بازتابنده یا محیطهای شلوغ که دقیقاً نقاط قوت لیدار هستند، نیازمند آزمون بیشتری است. اگر میخواهید مهارت خود را در ارزیابی چنین ادعاهایی تقویت کنید، راهنمای پرامپتنویسی و آموزشهای چتجیپیتی میتوانند در تحلیل و پرسشگری بهتر کمکتان کنند.
پرسشهای پرتکرار دربارهی روبوسترال نویگیت
روبوسترال نویگیت دقیقاً چه کاری انجام میدهد؟
این مدل با دریافت تصویر یک دوربین رنگی و یک دستور به زبان معمولی، تصمیم حرکتی بعدی ربات را تولید میکند تا ربات بدون برخورد به مقصد برسد؛ بدون نیاز به لیدار یا حسگر عمق.
اندازهی این مدل چقدر است؟
روبوسترال نویگیت یک مدل هشت میلیارد پارامتری است که بر پایهی مدل بینایی-زبانی داخلی میسترال ساخته شده است.
نتایج آن چقدر قابل اتکاست؟
در محک آر۲آر-سیای، نرخ موفقیت ۷۹.۴ درصد در محیط دیدهشده و ۷۶.۶ درصد در محیط ناآشنا گزارش شده است. این ارقام نتیجهی محک پژوهشیاند و لزوماً معادل عملکرد میدانی نیستند.
روی چه نوع رباتهایی قابل استفاده است؟
بر اساس اعلام میسترال، این مدل با رباتهای چرخدار، پادار و پرنده در اندازههای مختلف سازگار است.
آیا این یعنی لیدار دیگر لازم نیست؟
خیر. نتایج نشان میدهد در این محک خاص، رویکرد تکدوربینه از سامانههای چندحسگره جلو زده است؛ اما لیدار همچنان در شرایط نوری دشوار و کاربردهای حساس به ایمنی مزیتهای خود را دارد.
