پیشرفت هوش مصنوعی در رباتیک به این زودی زندگی شما را تغییر نخواهد داد

این شرکت ادعا می‌کند که این مدل اولین نشانه‌های تعمیم ترکیبی را نشان می‌دهد، اصطلاحی برای توانایی سیستم‌های هوش مصنوعی برای انجام مهارت‌هایی که هرگز در معرض آن‌ها قرار نگرفته‌اند، با ترکیب مجدد آن‌هایی که در داده‌های آموزشی خود آموخته‌اند. یک آزمایش شامل درخواست از یک مدل بود که «یک سیب زمینی شیرین را در سرخ کن فرو کند»، کاری که قبلا هرگز با آن مواجه نشده بود. در یک ویدیوی نمایشی، دستگاه کمی به دور خود می‌چرخد، چند راه‌اندازی اشتباه انجام می‌دهد و در نهایت موفق می‌شود تلاش معقولی انجام دهد، اگرچه کار را کاملاً کامل نمی‌کند.

سرگی لوین، استاد دانشگاه کالیفرنیا برکلی و یکی از بنیانگذاران PI، در مورد این پتانسیل هیجان‌زده است: «در واقع اولین بار است که به طور قانع‌کننده‌ای این نوع تعمیم ترکیبی را می‌بینیم، جایی که اساساً می‌توانیم از مدل بخواهیم کارهایی را انجام دهد که به طور خاص داده‌هایی را برای آنها جمع‌آوری نکرده‌ایم و آن را آموزش دهیم، و در واقع تلاش قابل قبولی انجام خواهد داد.»

این موفقیت تیم را به این فکر واداشت که چگونه این مدل توانسته به چنین شاهکاری دست یابد. پس از مدتی حفاری، آنها تکه‌هایی از داده‌های مربوط به عملکرد از راه دور را پیدا کردند که در مواد آموزشی پنهان شده بود، از جمله دو نمونه از یک کنترل‌کننده انسانی که از این ربات برای فشار دادن یک سبد سرخ‌کن هوا به داخل سرخ‌کن استفاده می‌کرد. این داده‌ها ممکن است به اندازه کافی باشند تا π0.7 یک سیب‌زمینی شیرین را تقریباً در هوا سرخ کند.

تاکنون مشخص نیست که توانایی های تعمیم دهنده π0.7 چقدر چشمگیر است. با این حال، با توجه به اینکه قرار گرفتن در معرض مدل سرخ کن هوا چقدر زودگذر بوده است، نگاهی اجمالی به تحقیقات پیشرفته در حال حاضر تا چه حد می تواند ربات ها را ببرد.

“70% موفقیت مانند کار نکردن است”

شما می توانید تفاوت بین گام های متوقف کننده ربات های کودک در آزمایشگاه را احساس کنید – “ببین! او یک سیب زمینی شیرین را در سرخ کن گذاشت!” – و چابکی خیره کننده و واقعی که در بسیاری از تظاهرات ها و ویدئوها دیده می شود، جایی که روبات ها در حال انجام هر کاری از رقص روی صحنه گرفته تا سرو مودبانه نوشیدنی هستند. چنین نمایش‌هایی اغلب یک واقعیت کلیدی را روشن نمی‌کنند: در بسیاری از موارد، انسان‌ها ربات را کنترل می‌کنند یا اقدامات آن را به دقت تنظیم کرده‌اند. (برای مثال، روباتی که با جنسن هوانگ، مدیر عامل انویدیا در مارس 2025 روی صحنه ظاهر شد، ظاهراً به دستورات او پاسخ می‌داد و او را دنبال می‌کرد، از راه دور توسط سازندگانش «عروسک‌گردان پشت صحنه» کنترل می‌شد.)

در حال حاضر، برنامه ریزی حرکت کاملاً مستقل به طوری که یک ربات بداند به کجا باید برود – به ویژه در محیط های جدید و آشفته مانند یک محل ساخت و ساز یا یک خانه ناآشنا – یک چالش تا حد زیادی حل نشده باقی مانده است. چالش بزرگ‌تر – اگرچه اغلب مرتبط است – این است که روبات‌ها وظایف بزرگ‌تر و مبهم‌تری را انجام دهند که شامل وظایف متعددی است و نیاز به تصمیم‌گیری در مورد چگونگی و ترتیب تکمیل آنها دارد. این تفاوت بین رباتی است که می تواند بشقاب را در اجاق مایکروویو قرار دهد و رباتی که می تواند با موفقیت به درخواست «شام درست کن» با کاوش در یخچال، خرد کردن مواد و روشن کردن اجاق گاز پاسخ دهد. بهترین تلاش Google DeepMind برای چیزی شبیه به این – که شامل درخواست از ربات خود برای بازرسی آشپزخانه و بسته بندی تمام مواد تشکیل دهنده یک ریزوتو قارچ در یک سبد بود – تاکنون شکست خورده است.

علاوه بر این چالش، یک ربات عملی باید اساساً هر بار آن را به درستی انجام دهد. مارک ریبرت، بنیانگذار Boston Dynamics، می‌گوید: با VLA، «مردم وقتی امتیازشان از 50 درصد موفقیت به 70 درصد می‌رسد، بسیار هیجان‌زده می‌شوند». “اما ۷۰ درصد موفقیت مانند کار نکردن است، درست است؟”

چند انسان نما که در شرایط واقعی آزمایش می شوند، وظایف بسیار محدودی را در یک محیط کاملاً کنترل شده انجام می دهند. آنها از کلی گرایان دور هستند. به گفته این شرکت، چابکی صدها ربات دارد که به صورت آزمایشی در تاسیسات متعلق به GXO Logistics، Amazon و Schaeffler مستقر شده اند. اما در حال حاضر، هرست می‌گوید، ربات‌ها روی کارهای ساده‌ای مانند جابجایی سطل‌ها و چمدان‌ها متمرکز هستند. او اضافه می‌کند که حتی در آن زمان، سال‌ها طول کشید تا ربات‌هایی به‌قدری ایمن ساخته شوند که شرکت‌های لجستیک حتی به فکر استفاده از آنها باشند. به نوبه خود، ایلان ماسک در ماه می 2025 گفت که “هزاران” از ربات های Optimus او تا پایان سال در کارخانه های تسلا کار خواهند کرد، اما در ژانویه سال جاری او گفت که این شرکت فقط “برخی از ربات های Optimus تسلا را دارد که وظایف ساده ای را در کارخانه انجام می دهند.”

با شروع ورود انسان‌نماها به کارخانه‌ها، انتقال به خانواده‌ها حتی دشوارتر خواهد شد. در حال حاضر، اگر بخواهید، می‌توانید ربات خانگی 1X Neo را پیش‌سفارش دهید که انتظار می‌رود اواخر امسال آماده ارسال شود. مال شما برای 20000 دلار، وعده می دهد که “کارهای کسل کننده و پیش پا افتاده در خانه” – کنار گذاشتن ظرف ها، باز کردن در، مرتب کردن اتاق نشیمن – “تا بتوانید روی چیزهایی که برایتان مهم است تمرکز کنید.” ایده این است که این ربات پنج فوتی شش اینچی روزی همه این وظایف را به صورت مستقل انجام خواهد داد، اما در حال حاضر، برای انجام بیشتر کارها به یک اپراتور انسانی از راه دور نیاز است. (بله، شخصی برای دیدن خانه شما از طریق دوربین‌های ربات به اجازه نیاز دارد.) هرست در پاسخ به این سوال که چقدر طول می‌کشد تا ربات‌های کاملاً مستقل برای انجام کارهای خانه آماده شوند، گفت: “اگر مجبور بودم عددی را انتخاب کنم، می‌توانم بگویم 10 سال قبل از شروع ربات‌ها… در واقع کارهای مفیدی در خانه مردم انجام می‌دهند.”

وقتی این اتفاق بیفتد، ربات‌ها ممکن است چینی باشند، زیرا چین از نظر تولید بسیار جلوتر از غرب است. به گفته شرکت اطلاعات بازار Omdia و شرکت رباتیک چینی Unitree، نزدیک به 90 درصد از 15000 ربات انسان نما که در سال 2025 ارسال شده اند، توسط شرکت های چینی ساخته خواهند شد. مدل ساخته شده توسط Unitree که سال گذشته بیش از هر شرکت دیگری ربات های انسان نما ارسال کرد، کمتر از 6000 دلار قیمت دارد. چنین قیمت مقرون به صرفه‌ای می‌تواند ربات‌ها را برای مصرف‌کنندگان جذاب‌تر کند، اگرچه شرکت انتظار دارد که ماشین‌های آن ابتدا در کاربردهای صنعتی مورد استفاده قرار گیرند. (اگر می‌پرسید چه کسی این همه ربات‌های چینی را می‌خرد، AP اخیراً گزارش داده است که سفارش‌ها بیشتر از آزمایشگاه‌های شرکتی و دانشگاهی و شرکت‌های دولتی می‌آیند.)

قبلا اینجا بودیم

رویای ساخت یک ربات انسان نمای عمیق است: در اوایل سال 1495، لئوناردو داوینچی طرح هایی را برای یک شوالیه مکانیکی طراحی کرد که توسط کابل ها و قرقره ها کنترل می شد. در قرن بیستم، ماشین های رویایی داستان های علمی تخیلی آمده اند و رفته اند.

GETTY IMAGES

جعبه ساق پای وستینگهاوس به نام Elektro در سال 1939 در نمایشگاه جهانی نیویورک در حال کشیدن یک سیگار ظاهر شد. WABOT-1 که توسط دانشگاه Waseda در ژاپن در سال 1973 ساخته شد، اولین ربات انسان نما در مقیاس کامل و قابل برنامه ریزی بود. آسیمو هوندا که در سال 2000 معرفی شد، احتمالاً اولین ماشینی از این دست بود که کاملاً توانمند بود – حداقل می توانست تا حدودی از پله ها بالا برود، چهره ها را تشخیص دهد و به طور مستقل در فضاها حرکت کند. اما این ربات در سال 2018 کنار گذاشته شد و نتوانست به اندازه کافی فراتر از آنچه می تواند در تظاهرات انجام دهد تا مفید باشد پیشرفت کند.

همه در آن زمان شاهکارهای مهندسی چشمگیر – حتی حیرت انگیز بودند. اما هیچ کس آماده حرکت در دنیای واقعی نبود. ربات های امروزی، حتی با قدرت تحول آفرین هوش مصنوعی پیشرفته، همچنان با همان چالش وجودی روبرو هستند.