رسم: tuput
العربية
حلّت يد أوبن إيه آي أصعب خلطة لمكعب روبيك في 2 من 10 محاولات بعد نحو 13,000 عام من التمرين بالمحاكاة. ومنذ ذلك الحين أضافت المختبرات عروضا بشرية وحساسات لمس وأيدي أرخص، وتتراوح أرقام غوغل ديب مايند لشهر يوليو 2026 ليد بخمس أصابع بين 32 و92 في المئة.
حلّت يد الروبوت التي طورتها أوبن إيه آي أصعب خلطة لمكعب روبيك في 2 من 10 محاولات بأفضل إعداد لها، بعد ما يعادل نحو 13,000 عام من التمرين في المحاكاة. ونُشرت الورقة التي تعرض ذلك على arXiv في 16 أكتوبر 2019. ومنذ ذلك الحين علّمت المختبرات أيدي الروبوتات أيضا بعروض بشرية وحساسات لمس وعتاد أرخص، وأحدث النتائج المقيسة ليد بخمس أصابع، من غوغل ديب مايند في 30 يوليو 2026، تتراوح بين 32 و92 في المئة بحسب المهمة.
كل رقم أدناه هو الرقم الذي أعلنه المختبر المذكور في ورقته أو إعلانه. وأغلبها يأتي من روبوتات مختلفة وأشياء مختلفة وتعريفات مختلفة للنجاح، فهي ليست جدول ترتيب.
ما فعلته يد المكعب عند أوبن إيه آي فعلا
كان الروبوت يد Shadow Dexterous E Series، وهي يد شبيهة بيد الإنسان بخمسة أصابع، وكانت ثلاث كاميرات RGB تراقب المكعب. دربت أوبن إيه آي سياسة التحكم ونظام الرؤية كليهما في المحاكاة بالكامل، ثم نقلتهما إلى اليد الحقيقية. والتقنية التي تنسب لها الفضل هي التنويع العشوائي التلقائي للمجال: يظل المحاكي يولّد نسخا أصعب فأصعب من العالم، فلا تستطيع السياسة أن تعتمد على نسخة واحدة منه.
وتضع الورقة إجمالي خبرة التدريب لسياسة المكعب عند نحو 13 ألف عام، على 64 وحدة معالجة رسومية من إنفيديا طراز V100 و920 جهازا عاملا، كل منها بـ32 نواة معالجة.
وتقع نتائج الروبوت الحقيقي في جدول من عشر تجارب لكل سياسة. فأفضل سياسة، مع تزويدها بزوايا أوجه المكعب من حساس Giiker، حلّت خلطة تحتاج 15 دورانا للأوجه في 60 في المئة من التجارب، وأسوأ خلطة، وهي 26 دورانا، في 20 في المئة. ومع الاكتفاء بالرؤية لقراءة زوايا الأوجه، حققت السياسة نفسها 20 في المئة و0 في المئة. وكانت التجربة تنتهي إذا سقط المكعب أو لم تُنهِ اليد المهمة خلال 1,600 خطوة زمنية، أي نحو 128 ثانية. وتفيد الورقة بأن السياسة كانت عادة تتعافى حين تدير وجها خاطئا أو ينزلق المكعب، بإعادة الإمساك.
التعلم من يدي شخص
المحاكاة ليست الطريقة الوحيدة لتعليم يد. فيمكن لشخص أن يُري الروبوت المهمة، ويحاكي الروبوت الحركة. في أبريل 2023 نشر توني تشاو وفيكاش كومار وسيرغي ليفين وتشيلسي فين نظام ALOHA، وهو نظام منخفض التكلفة بذراعين (bimanual) تقوده واجهة تشغيل عن بُعد مصممة خصيصا، أي أن شخصا يقود الروبوت من بعيد. وتعلمت خوارزميتهم، Action Chunking with Transformers، ست مهام حقيقية، منها فتح كوب صلصة شفاف ووضع بطارية في موضعها، بنجاح يتراوح بين 80 و90 في المئة مع نحو 10 دقائق من العروض. وتقول صفحة المشروع إن العتاد بُني بميزانية قدرها 20,000 دولار.
وجاء بعد ذلك جمع عروض مختبرات كثيرة. فورقة Open X-Embodiment، المنشورة في أكتوبر 2023، جمعت بيانات من 22 روبوتا في 21 مؤسسة، تغطي 527 مهارة. وفي اختبارات المهارات الناشئة سجل نموذجها RT-2-X نسبة 75.8 في المئة مقابل 27.3 في المئة لنموذج RT-2. ويقول المؤلفون إنهم لم يختبروا روبوتات شديدة الاختلاف في الاستشعار والتشغيل، ولم يدرسوا التعميم على روبوتات جديدة.
وكتب كوي وزملاؤه في أكتوبر 2025 أن التشغيل اليدوي عن بُعد لذراع ويد بارعتين يرهق المشغلين البشر. وحلّهم يقسم العمل: شخص يوجّه الذراع عبر الواقع الافتراضي بينما تقود سياسة متعلَّمة الأصابع بالاعتماد على اللمس وتغذية الكاميرا. ويفيدون بنجاح 90 في المئة عبر أشياء متنوعة، بينها أشياء لم تُرَ من قبل. وفي يونيو 2025 وصف إلفيس نافا وروبرت كاتشمان وزملاؤهما mimic-one، يدا بـ16 درجة حرية دُربت على عروض بقفاز وواقع افتراضي، مع نجاح يصل إلى 93.3 في المئة في اختبارات خارج توزيع التدريب، أي مواقف تختلف عن بيانات التدريب.
ويمكن للروبوتات أيضا أن تتعلم من أخطائها. فورقة pi*0.6 الصادرة عن Physical Intelligence، المنشورة في 18 نوفمبر 2025، تصف طريقة تدريب تسمى RECAP تمزج بين العروض ومحاولات الروبوت نفسه وتصحيحات من مشغّل بشري عن بُعد. وتفيد الشركة بأن النموذج الناتج يطوي الغسيل في بيوت حقيقية ويجمع الصناديق ويعد مشروبات الإسبريسو، وبأن الطريقة ترفع الإنتاجية إلى أكثر من الضعف وتخفض معدل الفشل إلى نحو النصف في بعض أصعب المهام. والغسيل هو أيضا المهمة التي استخدمتها مقالة tuput السابقة عن مفارقة موراڤيك مثالا رئيسيا في عنوانها.
منح أطراف الأصابع حاسة اللمس
تحمل يد F-TAC، من فريق يضم زيهانغ تشاو وكاسبر ألتوفر وسونغ تشون تشو، استشعارا لمسيا بدقة مكانية قدرها 0.1 ملم على 70 في المئة من سطحها. ظهرت النسخة الأولية في 19 ديسمبر 2024، وأعلنت جامعة كوين ماري في لندن النسخة المنشورة، في Nature Machine Intelligence، في 9 يونيو 2025. وعبر 600 تجربة في العالم الحقيقي، يفيد المؤلفون، تفوقت اليد اللمسية على البدائل غير اللمسية في مهام المناولة المعقدة (p أقل من 0.0001).
وأطلقت مجموعة أبحاث الذكاء الاصطناعي في ميتا طرف الإصبع Digit 360 في 31 أكتوبر 2024. وتقول ميتا إنه يضم أكثر من 8 ملايين تاكسل (وهي وحدات الاستشعار اللمسي)، ويلتقط قوى صغيرة تبلغ ملي نيوتن واحدا، ويقترن بـSparsh، وهو نموذج لمس مدرب مسبقا على أكثر من 460,000 صورة لمسية. وكانت جيلسايت ستصنّع Digit 360، وونيك روبوتيكس يد Allegro لمسية، وكلتاهما بإتاحة واسعة مخططة لعام 2025.
ولا يلزم أن يكون اللمس معقدا. فقد استخدمت ورقة في Science Robotics كتبها تشي يي وزملاؤه، أُفيد بها في 17 فبراير 2026، يد LEAP منخفضة التكلفة برباعية الأصابع مع كاميرا ويب عادية وحساسات لمس بسيطة أو من دونها، بعد تدريب مسبق على عروض بشرية تجمع الرؤية واللمس. وأنجزت اليد مهامها الثماني بنسبة نجاح إجمالية 73 في المئة، و85 في المئة في المهام الخمس التي جرى التمرن عليها في المحاكاة. أما المهام الثلاث التي لم تُرَ من قبل، ومنها بري قلم رصاص وفك برغي، فأُنجزت “في معظم الأحيان” بحسب تقرير Phys.org، الذي لا يذكر رقما. وتشمل الإخفاقات المذكورة أغطية زجاجات صغيرة لا تملك اليد عزم الدوران الكافي لإدارتها، وأصابع تعلق في شقوق ضيقة في مقابض الصنابير.
أيدٍ أرخص، وأوتار بدل المحركات
كتب كينيث شو وأنانيه أغاروال وديباك باثاك في سبتمبر 2023 أن أساليب التعلم للمناولة البارعة بقيت في الغالب داخل المحاكاة لغياب العتاد المناسب. وتكلف يدهم LEAP نحو 2,000 دولار وتحتاج أربع ساعات للتجميع من قطع متاحة بسهولة. وتضع الخلاصة ذلك عند نحو ثُمن سعر أقرب منافسيها، يد Allegro.
وبعض الأيدي الأحدث تحرك الأصابع بحبال تسمى أوتارا. mimic-one منها. وكذلك Ruka-v2، من فريق يضم ليرل بينتو وإرماك غوزي، نُشرت في 27 مارس 2026. وهي تضيف معصما بدرجتي حرية وحركة جانبية للأصابع إلى Ruka الأصلية، التي يقول المؤلفون إن بناءها ممكن بأقل من 1,300 دولار. وفي دراسات المستخدمين على مهام بالتشغيل عن بُعد، خفضت Ruka-v2 زمن الإنجاز بنسبة 51.3 في المئة ورفعت النجاح بنسبة 21.2 في المئة مقارنة بالأصلية. وشُغّلت عن بُعد عبر 13 مهمة، وتعلمت 3 منها ذاتيا.
عودة المحاكاة
لم تفقد المحاكاة مكانتها. فقد أفاد تورو لين وجيتندرا مالك ويوكي تشو وزملاؤهم في فبراير 2025 بخط تعلم معزز دُرب في المحاكاة لروبوت شبيه بالبشر من فورييه GR1 بيدين متعددتي الأصابع. ويذكرون نجاحا يبلغ نحو 90 في المئة على أشياء رآها الروبوت و60 إلى 80 في المئة على أشياء جديدة. وبحسب المهمة، بلغ متوسط أفضل سياسة 62.3 في المئة للإمساك والوصول، و80 في المئة لرفع صندوق، و52.5 في المئة للتسليم بين اليدين، بعشر تجارب لكل شيء. ويشتبه المؤلفون في أن رقم التسليم المنخفض سببه استخدام تنويع عشوائي بسيط فقط لفيزياء المحاكاة، ويقولون إن القدرات بعيدة عن مناولة عامة الأغراض بمستوى الإنسان.
وتفيد ورقة صدرت في فبراير 2026، DexRepNet++، بنجاح إمساك يبلغ 87.9 في المئة في المحاكاة لسياسة دُربت على 40 شيئا واختُبرت على أكثر من 5,000 شيء لم تره. وتصف خلاصتها فجوة صغيرة بين المحاكاة والعتاد الحقيقي لكنها لا تذكر نسبة نجاح في العالم الحقيقي.
أرقام ديب مايند للأصابع الخمسة في يوليو 2026
في 30 يوليو 2026 أعلنت غوغل ديب مايند عن Gemini Robotics 2. ويتحكم النموذج في يد SharpaWave بخمسة أصابع و22 درجة حرية على الروبوت الشبيه بالبشر Apollo 2 من أبترونيك. وتعطي تدوينة ديب مايند نسب النجاح التالية لتلك اليد: فك مصباح كهربائي 92 في المئة، وتركيبه 36 في المئة، وربط كيس قمامة 44 في المئة، ومهمة الجاروف 32 في المئة، وكيس ziplock 40 في المئة. وعلى ماسكات بإصبعين على منصة Franka Duo تذكر 74.2 في المئة للالتقاط والوضع العام، و78.9 في المئة لتجهيز الأدوات، و89.6 في المئة للإدخال الدقيق.
وتقول تدوينة ديب مايند إن المناولة البارعة متعددة الأصابع ما زالت صعبة. وتقول أيضا إن الروبوتات الجديدة بذراعين يمكن عادة تكييفها بأقل من 200 مثال.
ويغطي تقرير tuput عن الروبوتات الشبيهة بالبشر في تجاربها التشغيلية عام 2026 جانب المصانع والمطارات من هذه الآلات.
ما الذي ما زال يفشل
المقارنة هي المشكلة الأولى. فمسح لأبحاث الأيدي البارعة صدر في مايو 2026 بقلم ويغوانغ تشاو وزملائه يقول إن الدراسات تستخدم افتراضات مختلفة عن الروبوتات والحساسات والمهام وبيانات التدريب والتقييم، مما يجعل المقارنة المنهجية صعبة.
والثانية هي الفجوة بين العروض والأشياء التي لم تُرَ. فقد حلّت يد المكعب لعام 2019 أسوأ خلطة في 2 من 10 تجارب، وأرقام لين وزملائه للأشياء الجديدة تتخلف عن أرقام الأشياء التي رآها الروبوت، وأربعة من نتائج ديب مايند الخمس المذكورة للأصابع الخمسة دون 50 في المئة، وكلها من اختبارات ديب مايند نفسها. ويذكر فريق Science Robotics عزم الدوران والتعلق والانزلاق بوصفها مشكلات ميكانيكية مفتوحة.
والثالثة هي الإتاحة والسرعة. فبحسب تغطية The Robot Report في 2 أغسطس 2026، تحصر ديب مايند نموذج Gemini Robotics 2 ونسخته على الجهاز بشركاء الوصول المبكر، وتقول إن أمام الروبوتات مزيدا من التقدم في سرعة الحركة.
المصادر وقراءات إضافية
- OpenAI: Solving Rubik's Cube with a Robot Hand (arXiv:1910.07113 abstract, 16 October 2019)
- OpenAI: Solving Rubik's Cube with a Robot Hand (full text, results tables)
- Zhao, Kumar, Levine and Finn: Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware (ALOHA, arXiv:2304.13705)
- ALOHA project page (Tony Zhao)
- Open X-Embodiment: Robotic Learning Datasets and RT-X Models (arXiv:2310.08864)
- Open X-Embodiment, full text with Tables I and II
- Shaw, Agarwal and Pathak: LEAP Hand, Low-Cost, Efficient, and Anthropomorphic Hand for Robot Learning (arXiv:2309.06440)
- Zhao et al.: Embedding high-resolution touch across robotic hands enables adaptive human-like grasping (F-TAC Hand, arXiv:2412.14482)
- Queen Mary University of London: Robotic hand with human-like touch (9 June 2025)
- Meta FAIR: Digit 360 and Sparsh tactile releases (31 October 2024)
- Phys.org / TechXplore: Robot hand approaches human-like dexterity with visual-tactile training (Science Robotics, 17 February 2026)
- Nava et al.: mimic-one, a Scalable Model Recipe for General Purpose Robot Dexterity (arXiv:2506.11916)
- Liu et al.: Ruka-v2, Tendon Driven Open-Source Dexterous Hand (arXiv:2603.26660)
- Cui et al.: End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy (arXiv:2511.00139)
- Physical Intelligence: pi*0.6, a VLA That Learns From Experience (arXiv:2511.14759)
- Lin et al.: Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids (arXiv:2502.20396)
- Liu et al.: DexRepNet++ (arXiv:2602.21811)
- Google DeepMind: Gemini Robotics 2 brings whole body intelligence to robots (30 July 2026)
- The Robot Report: Google DeepMind says Gemini Robotics 2 enables full-body control (2 August 2026)
- Zhao et al.: Towards Robotic Dexterous Hand Intelligence, A Survey (arXiv:2605.13925)
أُعِدّ هذا المقال وكُتب بمساعدة أدوات الذكاء الاصطناعي، وحُرِّر للتحقق من دقته. وهو للمعلومة العامة والنقاش فقط، وليس مشورة مهنية. راجع معاييرنا التحريرية وإخلاء المسؤولية. وجدت خطأ؟ أخبرنا.
أعجبك المقال؟ احصل على التالي.
مقال جيد واحد في كل مرة، يصلك مباشرة إلى بريدك. بلا رسائل مزعجة، ويمكنك إلغاء الاشتراك متى شئت.
