بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
ثمة عقبة صامتة تُقيّد الروبوتات الحديثة: فهي تعمل دون ذاكرة حقيقية. النماذج المتاحة اليوم تعالج خطوة واحدة أو تاريخاً قصيراً جداً، وكأنها تُكمل كل حركة من الصفر. فريق بحثي من جامعة ستانفورد ونفيديا يقول إن هذا القيد قابل للكسر، ويُقدّم RoboTTT دليلاً عملياً على ذلك.
النموذج الجديد، الذي أعدّه يونفان جيانغ وعشرة باحثين من بينهم لي فاي-فاي ويوكي تشو وجيمي فان، يرفع السياق الزمني المُدخَل للروبوت إلى 8,000 خطوة زمنية (وفقاً للورقة البحثية على arXiv) — أي ما يفوق بثلاثة أوامر من الحجم القياسي المعتمد حالياً في أحدث النماذج. والأهم من الرقم أن هذا التوسع لا يزيد من زمن الاستدلال، وهو الخوف المعتاد عند مدّ نافذة السياق في نماذج اللغة أو الحركة.
الفكرة المحورية التي يرتكز عليها RoboTTT هي دمج تقنية Test-Time Training (TTT) داخل نماذج الأساس للروبوتات، وتحديداً نماذج Vision-Language-Action. بدلاً من الاحتفاظ بالتاريخ الحركي كسلسلة طويلة من الإدخالات، يضغط النموذج هذا التاريخ داخل “أوزان سريعة” — معاملات تُحدَّث بالتدرج أثناء التدريب والاستدلال معاً. هذه الأوزان السريعة تعمل كذاكرة ضمنية قابلة للتعديل: تستوعب السياق وتُرجّعه عند الحاجة دون أن يتضخم حجم الإدخال. لتوسيع طول السياق التدريبي، جمع الفريق بين تقنيتين: Sequence Action Forcing وTruncated Backpropagation Through Time.
النتائج على الروبوتات الحقيقية لافتة. RoboTTT يُحسّن الأداء الإجمالي بنسبة 87% مقارنةً بنموذج الخط الأساسي ذي السياق الفردي (وفقاً للورقة البحثية). والأكثر إثارة هو أن النموذج أتمّ بالكامل مهمة تجميع متعددة المراحل تمتد خمس دقائق وتضمّ عشر مراحل متتالية — وهي مهمة عجز عن إكمالها أي نموذج مقارِن في التجارب. وعند مقارنة النموذج المُدرَّب بسياق 8K خطوة بمثيله المُدرَّب بسياق 1K خطوة فحسب، يظهر فارق 62% لصالح الأول، مما يجعل طول السياق محوراً جديداً للتطوير، مضافاً إلى المحاور التقليدية كحجم النموذج وكمية البيانات.
ما يفتحه هذا السياق الممتد هو قدرات لم تكن ممكنة من قبل في الروبوتات: المحاكاة الفورية من فيديو توضيحي واحد لإنسان (one-shot in-context imitation)، وتحسين السياسة الحركية أثناء التشغيل، والصمود أمام الإزعاجات والتشويش، إضافةً إلى الأداء المتفوق في المهام المعقدة المتعددة المراحل. وقد رصد الفريق لأول مرة ما يمكن تسميته “قانون التحجيم للسياق المغلق”: أداء الروبوت في الحلقة المغلقة يرتفع باطّراد كلما زاد طول السياق التدريبي، وهو الأنموذج ذاته الذي أثبتت نماذج اللغة الكبيرة صحته في سياقها.
يُجسّد RoboTTT تحولاً في كيفية التفكير في نماذج الأساس للروبوتات. المقاربة السائدة كانت تُركّز على ضخ بيانات أكثر أو بناء نماذج أضخم؛ أما هنا فالرهان على المدى الزمني — كم من الماضي يستطيع الروبوت “تذكّره” والاستناد إليه. هذا التوازي مع ما حققته نماذج اللغة الكبيرة عبر توسيع نافذة السياق يُلمح إلى أن منحنيات التطوير في الذكاء الاصطناعي الجسدي (embodied AI) قد تسير في المسار ذاته. إن كنت تتابع مشاريع الذكاء الاصطناعي في الروبوتات، فمحور “السياق” هذا يستحق أن يكون على رادارك بجانب معايير الحجم والبيانات المعتادة.
