أعلنت AWS عن Physical AI Toolchain on AWS، وهي حزمة مفتوحة المصدر تستهدف الشركات التي تطور آلات قادرة على إدراك البيئة المادية واتخاذ قرارات والتكيف معها في الوقت الفعلي. وتستهدف المنظومة مجالات الأتمتة الصناعية والتنقل الذاتي والروبوتات الشبيهة بالبشر، مع دمجها في منظومة NVIDIA للذكاء الاصطناعي الفيزيائي.
تختلف هذه الفئة عن الذكاء الاصطناعي التقليدي الذي يعالج البيانات وينتج مخرجات رقمية؛ إذ تتعامل الآلات الذكية مع العالم الحقيقي عبر الاستشعار والاستدلال والتنفيذ. كما تعيد بيانات التشغيل إلى دورة التدريب، بما يسمح بتحسين النماذج مع تكرار عمليات النشر.
من التدريب إلى التشغيل في منظومة واحدة
تجمع الحزمة إرشادات معمارية وأتمتة للنشر وكوداً مرجعياً قابلاً للاستخدام، وتغطي دورة تطوير الذكاء الاصطناعي الفيزيائي عبر خمسة محاور مترابطة:
- توليد البيانات الاصطناعية: إنشاء بيئات وسيناريوهات تدريب متنوعة بالاعتماد على الذكاء الاصطناعي لتقليل الحاجة إلى جمع البيانات الواقعية المكلفة.
- تدريب النماذج: تعليم الآلات من عروض بشرية ومن الممارسة في البيئات المحاكاة.
- المحاكاة والتحقق: اختبار سلوك الآلات افتراضياً قبل تشغيلها على العتاد الفعلي.
- النشر على الحافة: إرسال النماذج المحسنة إلى الآلات لاتخاذ قرارات فورية دون اتصال دائم بالسحابة.
- التحسين المستمر: إعادة بيانات التشغيل إلى دورة التدريب لتوليد بيانات جديدة وتحسين النماذج.
وتشمل خدمات AWS المستخدمة Amazon SageMaker لتدريب النماذج، ومثيلات Amazon EC2 المزودة بوحدات معالجة رسومية للمحاكاة، وAWS IoT Greengrass للنشر على الحافة، وAmazon Bedrock AgentCore للتنسيق الذكي. ومن جانب NVIDIA، تتكامل الحزمة مع Isaac Sim للمحاكاة، وIsaac Lab للتعلم المعزز، وIsaac GR00T لتدريب الآلات الشبيهة بالبشر، وCosmos لتوليد العوالم الاصطناعية.
ما الذي يتغير عملياً للشركات؟
يمكن للشركات تبني المنظومة كاملة عبر نقطة تحكم واحدة، أو اختيار مكونات منفردة مثل المحاكاة أو التدريب أو النشر ودمجها في سير العمل القائم. كما توفر إمكانات إدارة الأساطيل تهيئة آلاف الآلات وتأمينها وتحديثها عن بعد عند الانتقال إلى الإنتاج.
تقول AWS إن الحزمة صممت لتقليل الوقت الذي تنفقه فرق الهندسة على البنية التحتية، بحيث تركز أكثر على تطوير التطبيقات والآلات نفسها. وتشير الشركة إلى أن عمليات النشر يمكن تخصيصها وفق العتاد والبيئة التشغيلية وحالة الاستخدام، بدلاً من اعتماد تصميم موحد.
الاستفادة من خبرة Amazon Robotics
تستند الحزمة إلى خبرة أمازون في تشغيل أكثر من مليون روبوت ضمن شبكة عملياتها، حيث تتعامل الروبوتات مع ملايين الطرود يومياً بالتعاون مع مئات الآلاف من الموظفين. كما أشارت الشركة إلى روبوت Proteus المستقل، الذي طورته Amazon Robotics للعمل في المواقع التي تحتاج إلى نقل العناصر.
وتستخدم شركات مثل NEURA Robotics وRLWRLD وConfig تقنيات مرتبطة بالمنظومة. تطور NEURA روبوتات شبيهة بالبشر قادرة على الرؤية والسمع والتعلم من الخبرة، بينما تعمل RLWRLD على نموذج أساسي يضم 8.1 مليار معلمة لمهام الإمساك بالأشياء والتعامل معها. أما Config فبنت خطاً لجمع أكثر من 200 ألف ساعة من بيانات أفعال الروبوتات.
القراءة التحريرية: القيمة الأساسية في الإعلان ليست إضافة خدمة سحابية منفردة، بل محاولة AWS جمع التدريب والمحاكاة والنشر وإدارة الأساطيل في مسار واحد قابل للتخصيص. قد يخفض ذلك عائق بناء الأنظمة الروبوتية، لكن نجاحه سيظل مرتبطاً بجودة البيانات، وتوافق العتاد، وموثوقية النماذج عند الانتقال من المحاكاة إلى بيئات حقيقية غير متوقعة. ولم تحدد المادة تفاصيل الترخيص المفتوح أو مستويات التوفر والتكلفة، وهي نقاط تحتاج إلى مراجعة قبل تقييم قابلية الاستخدام التجاري.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.