أعلنت شركة Axis Robotics، المطوِّرة لمحرّك البيانات التراكمي المخصص لتسريع تطوّر الذكاء الاصطناعي الفيزيائي، عن جمع 12 مليون دولار في جولة تمويل تأسيسية (Seed) قادتها Hack VC، بمشاركة Nomad Capital وPi Network Ventures و10K Ventures وعدد من المستثمرين الملائكة.
يهدف هذا التمويل إلى تسريع مهمة Axis في بناء محرّك بيانات عالمي ضخم يعتمد على مساهمة البشر في الحلقة التشغيلية (human-in-the-loop)، لمعالجة أكبر معضلة في الذكاء الاصطناعي الفيزيائي: إنتاج بيانات تدريب روبوتية منظمة، شديدة التنوع وقابلة للتوسّع على نطاق صناعي.
رفع الاختناق عن بيانات الذكاء الاصطناعي الفيزيائي
بينما تعتمد نماذج اللغة الضخمة على تريليونات من الرموز المأخوذة من بيانات الإنترنت المتاحة مسبقاً، يواجه الذكاء الاصطناعي الفيزيائي ثلاث عقبات جوهرية: ندرة حادة في البيانات، فجوة في قابلية التعميم، وتجزؤ في التجسيد بين مختلف عتاد الروبوتات وأشكالها.
يقول كريس، مؤسس Axis Robotics: "الذكاء الاصطناعي الفيزيائي يحتاج إلى مليارات من مسارات الحركة التي تعكس تفاعلات حقيقية بين البشر والعالم المادي. لسنوات، افتقر القطاع إلى منظومة هجينة لإنتاج البيانات تكون فعّالة وقابلة للتوسع بلا حدود، وتسمح للنماذج بالتكرار السريع – وهذا بالضبط ما بنيناه في Axis: محرّك بيانات تراكمي."
كيف تعزّز Axis بناء ذكاء روبوتي عام؟
يعتمد محرّك البيانات التراكمي المملوك لـ Axis على منظومة عمل متكاملة من طرف إلى طرف، تجمع بين توليد المهام، والتقاط البيانات، والتدريب المستمر للنماذج، والتحسين الدوري:
محرك توليد المهام (Task Gen Engine): ينتج مجموعة هائلة ومتضاعفة من المهام الروبوتية الأساسية عبر العشوائية المضبوطة في اختيار الأشياء، وتوزيعها في الفراغ، والعناصر البصرية، وتجسيدات الروبوتات، والمعاني، بما يضمن تضمين التنوع في كل مسار بيانات فردي.
منصة تحكم عن بُعد في المحاكاة عبر المتصفح: أول واجهة ويب في العالم تتيح لأي شخص إنشاء مسارات حركة روبوتية عالية الجودة عن بُعد. توفّر Axis إنتاجية أعلى بعشر مرات مقارنة بجمع البيانات داخل المختبر، كما تدمج بسلاسة حلقات تدخّل بشرية من نوع DAgger (Dataset Aggregation) لإعادة توجيه سياسات الروبوتات وتصحيحها بصورة مستمرة.
تطبيق Ego Data للالتقاط عبر الهاتف: ينقل جمع البيانات الواقعية من إعدادات مكلفة وثقيلة العتاد إلى تطبيق جوّال منخفض العوائق. من خلال دمج تتبع وضعية اليد بالزمن الحقيقي وفق أحدث ما توصلت إليه التقنيات مع قوة عمل عالمية موزعة، تعمل Axis على تحويل الرؤية البشرية والمهارة اليدوية إلى حركات روبوتية على نطاق عالمي.
خط معالجة البيانات (Data Processing Pipeline): يقوم بأتمتة تنظيف المسارات الحركية، وإجراء عشوائية المجال (Domain Randomization)، وإضافة توصيف لغوي كثيف متعدد الطبقات، ليخرج مجموعات بيانات متعددة الوسائط جاهزة للنماذج بجودة محسّنة بأكثر من عشرة أضعاف.
توحيد هذه المكوّنات في هيكلية واحدة يخلق دورة ذاتية التعزيز: المسارات الفاشلة للروبوتات في العالم الواقعي أو في المحاكاة تُحفِّز تدخّل البشر لتصحيحها، وهذه التصحيحات تُعاد تغذيتها في عملية التدريب لتوسيع تغطية الحالات النادرة، ما ينتج عنه ذكاء متراكم يزداد قوة مع تضخم حجم البيانات.
مزايا تنافسية هيكلية: محرّك تنوّع متكامل رأسياً وشبكة مساهمين عالمية
يكمن تفوّق Axis في منصتها الموحّدة التي تغطي كامل دورة حياة الذكاء الاصطناعي الفيزيائي. بخلاف النُهج المتجزئة التقليدية، طوّرت Axis محرّكاً متكاملاً رأسياً يدمج بين جمع بيانات التدريب واسعة النطاق قبل التدريب (pre-training) من شبكة موزعة عالمياً، وتجميع البيانات البشري الموجّه بعد التدريب (Dataset Aggregation) في الزمن الحقيقي.
وبما أنها مبنية أصلاً لخدمة التنوّع في البيانات، يقوم محرك توليد المهام لدى Axis بعشوائية متقدمة في توزيع الأشياء، والإضاءة، وزوايا الكاميرات، والخصائص الفيزيائية، وهيئات الروبوتات، ما يخلق عدداً لا نهائياً من المشاهد والمهام الحركية، ويولّد بيانات تدريب مصممة خصيصاً لتعزيز قدرة النماذج على التعميم.
وللوصول إلى حجم بيانات يوازي نماذج الأساس، أنشأت Axis بنية تحتية عالمية للبيانات الروبوتية تضم أكثر من 100 ألف مساهم نشط، يقدّم كل منهم في المتوسط من 3 إلى 4 مشاركات يومياً، بما يعظّم كفاءة الإنتاج وعمق التغطية التنوعية معاً. حالياً، تستطيع Axis توليد أكثر من 1,200 ساعة من بيانات المحاكاة و20 ألف ساعة من البيانات الواقعية ذات المنظور الذاتي (ego-centric) شهرياً، عبر سيناريوهات فيزيائية متعددة.
أطلقت Axis مؤخراً مجموعة البيانات Sim Dataset V1، وأظهرت نتائج الاختبارات المعيارية أن "الهندسة المتعمّدة للتنوع" تؤدي إلى مكاسب أداء ملموسة. على معيار LIBERO-Plus، أدى التدريب المسبق للنموذج π0.5 على مجموعة بيانات Axis المتنوعة بالكامل إلى تحسين معدل النجاح الإجمالي بـ 4.9 نقاط، وتفوّق على خط الأساس RoboCasa365 المماثل في الحجم بفارق 31.3 نقطة، مع مكاسب واضحة في قدرة النماذج على التعميم عبر تخطيطات مختلفة، وتحمل ضوضاء الحساسات، وثبات وضعيات الروبوت. يوضح هذا الفارق أن ميزة Axis لا تأتي من حجم البيانات فقط، بل من خط تنوّع البيانات المملوك لها.
التجاريّة والشراكات الاستراتيجية
تتحرك Axis Robotics بسرعة نحو تسويق بيانات التدريب عالية الجودة للتطبيقات الواقعية. توفر الشركة "حزم مهام" مخصصة تلائم احتياجات مصنّعي عتاد الروبوتات، وشركات نماذج الذكاء الاصطناعي الفيزيائي، وقادة حلول الأتمتة الصناعية.
عقدت Axis بالفعل شراكات تجارية أولية مع شركات من بينها Booster Robotics وManycore Tech وFeagine Robotics وDexmal وLotus Car وGeely Auto وSomaStacks وغيرها. تعكس هذه الاتفاقيات الطلب الفوري في السوق على بيانات تدريب روبوتية قابلة للتوسع عالية الدقة والموثوقية.
إعادة تعريف الذكاء الفيزيائي العام
يضيف كريس: "مستقبل الذكاء الاصطناعي الفيزيائي يعتمد على تآزر عميق بين النماذج والبيانات. المجموعات الثابتة من البيانات لن تكون قادرة على تغذية ذكاء روبوتي عام. الحل الفائز هو محرّك بيانات تراكمي: منظومة متكاملة رأسياً تربط شبكة مساهمين عالمية بدورات تكرار مستمرة للنماذج. كل مسار حركة متنوع وكل تصحيح بشري يغذي تحسناً أسرع للنماذج، ويشكّل عجلة ذكاء ذاتية التعزيز."
تستند الشركة إلى فريق عالمي الطراز يجمع بين باحثي الذكاء الاصطناعي والروبوتات من مؤسسات رائدة مثل جامعة كاليفورنيا في بيركلي (UC Berkeley) وجامعة كارنيغي ميلون (Carnegie Mellon University) ومعهد جورجيا للتكنولوجيا (Georgia Tech) وجامعة نانيانغ التكنولوجية (NTU) وجامعة شانغهاي جياو تونغ (SJTU)، إلى جانب خبراء نمو سبق لهم توسيع نطاق منتجات استهلاكية إلى أكثر من 30 مليون مستخدم حول العالم.
ومع جولة التمويل البالغة 12 مليون دولار بقيادة Hack VC، تخطط Axis Robotics لتعزيز قدراتها في التوليد الإجرائي للمهام والبيانات، وتوسيع شبكتها الموزعة من المساهمين، وترسيخ مكانتها كمحرّك البيانات الأساسي الذي سيغذي الجيل التالي من أنظمة الذكاء الاصطناعي الفيزيائي.