روبوتات بوردو في مؤتمر WAIC 2026: كيف تحول بيانات النشر إلى ذكاء اصطناعي فيزيائي عبر "دماغ واحد متعدد الأشكال"

مقدمة

أصبحت صناعة الذكاء الاصطناعي الفيزيائي أكثر واقعية.

يمكن للروبوت القادر على المشي أو أداء إيماءات أو تقديم عرض مُعد بعناية أن يجذب الانتباه. لكن السؤال الأصعب هو: هل يمكنه العمل باستمرار لعدة أشهر في المطاعم والفنادق والمصانع والمستودعات ومراكز التسوق وغيرها من البيئات غير المتوقعة، مع تطوير قدراته باستمرار خلال هذه الفترة؟

قدمت بوت روبوتيكس إجابتها في مؤتمر الذكاء الاصطناعي العالمي 2026 حول مفهوم استراتيجي بسيط:

المرحلة التالية من تكنولوجيا الروبوتات لن تُحددها أجسام الروبوتات، بل بواسطة نظام ذكي قادر على التعلم من النشر الفعلي ونقل الخبرات إلى أشكال متعددة من الروبوتات.

تُطلق الشركة على هذه البنية اسم "دماغ واحد، أجسام متعددة".

طبقة النموذج الأساسي PuduFM 1.0 مصممة لمساعدة الروبوتات على استنتاج النتائج الفيزيائية، وربط التنقل بالمناولة، والتعلم من خلال مزيج من المحاكاة والملاحظات الواقعية.

منصة الوكيل PuduAgent تدمج التخطيط والذاكرة والتنفيذ والمهارات القابلة لإعادة الاستخدام والتحكم الآمن في نظام واحد يمكنه تنسيق أشكال مختلفة من الروبوتات.

في المؤتمر، كان الروبوت الصناعي شبه البشري PUDU D7 أحد أبرز الأمثلة المادية لهذه الاستراتيجية.

من الريادة في السوق إلى الجولة التالية من سباق الروبوتات

دخلت بوت روبوتيكس المؤتمر بقاعدة ضخمة من الروبوتات التجارية الخدمية المنتشرة.

ذكرت الشركة أن أبحاث السوق المستقلة من فرست أند سوليفان صنفت بوت في المرتبة الأولى في أربع فئات:

1. إيرادات الروبوتات الخدمية التجارية العالمية.
2. شحنات الروبوتات الخدمية التجارية العالمية.
3. إيرادات روبوتات التنظيف التجارية العالمية.
4. حصة شركات الروبوتات الخدمية التجارية الصينية في السوق الخارجية.

كما أعلنت بوت أن إجمالي شحناتها من الروبوتات تجاوز 130 ألف وحدة على مستوى العالم. وتظهر الوثائق الرسمية أن النشر يغطي أكثر من 80 دولة ومنطقة، بينما ذكر خطابها في المؤتمر أن التغطية تشمل 85 دولة ومنطقة.

مجالات تشغيل هذه الروبوتات تشمل:

• خدمات المطاعم.
• قطاع الضيافة.
• قطاع التجزئة.
• الصناعات التحويلية.
• الخدمات اللوجستية والتخزين.
• التنظيف التجاري.
• إدارة العقارات.
• الرعاية الصحية.
• الترفيه والرياضة.
• التعليم.
• الخدمات العامة.

هذا الحجم من النشر له أهمية تجارية، لكن حجة بوت حول الذكاء الاصطناعي الفيزيائي تذهب إلى أبعد من ذلك.

كل روبوت يعمل في مواقع حقيقية يواجه تغييرات فيزيائية يصعب إعادة إنتاجها بالكامل في المختبر:

• مواد أرضيات مختلفة.
• أشخاص ومعدات متحركة.
• إضاءة متغيرة.
• ممرات ضيقة.
• عوائق غير متوقعة.
• أشياء بأوزان وأشكال وخصائص سطحية مختلفة.
• تدخلات بشرية.
• إجراءات فاشلة.
• ظروف تشغيل نادرة الحدوث.

بالنسبة لشركة ذكاء اصطناعي فيزيائي، يمكن أن تصبح هذه العمليات التفاعلية مواد تدريبية.

لذلك، قد تأتي الميزة التنافسية في المرحلة التالية من دمج توزيع الأجهزة مع أنظمة قادرة على تحويل الخبرات التشغيلية إلى ذكاء قابل لإعادة الاستخدام.

أكثر من 130 ألف روبوت تعمل على الخطوط الأمامية

يمكن لنماذج اللغة التعلم من كميات هائلة من النصوص والأكواد والصور والفيديو. تواجه الروبوتات مشكلة بيانات مختلفة.

لا يجب على الروبوت فهم ماهية الشيء فحسب، بل يجب عليه أيضًا إتقان:

• هل يمكنه الوصول إلى هذا الشيء.
• كيف قد يتحرك الشيء.
• مقدار القوة المطلوبة لإجراء معين.
• ما إذا كانت الأرضية زلقة.
• ما إذا كان المسار المخطط لا يزال آمنًا.
• ما يحدث بعد أن يدفع الروبوت شيئًا أو يرفعه أو يميله أو يطلقه.
• التغييرات التي حدثت في البيئة منذ بدء المهمة.

من الصعب اكتساب هذه القدرات من عدد محدود من العروض التوضيحية المُعدة بعناية.

تحتاج الروبوتات إلى اكتساب الخبرة من العمل الفعلي، ولكن للانخراط في العمل الفعلي، يجب أن يكون لديها مستوى معين من النضج، وهو أمر يصعب تحقيقه بدون بيانات حقيقية.

وهذا يخلق مشكلة كلاسيكية "البيضة أم الدجاجة":

بدون نشر واسع النطاق، تفتقر الشركة إلى بيانات العالم الفيزيائي المتنوعة؛ وبدون بيانات العالم الفيزيائي المتنوعة، يصعب رفع مستوى الروبوتات بما يكفي للنشر على نطاق واسع.

توفر الروبوتات الخدمية التجارية وسيلة لكسر هذه الحلقة المفرغة.

لقد نشرت بوت روبوتيكس لسنوات عديدة روبوتات التوصيل والتنظيف والصناعية في بيئات تجارية عادية. لم تكن هذه الأنظمة في البداية عوامل ذكية عامة، لكن انتشارها خلق قنوات كبيرة لجمع إشارات التشغيل.

ذكرت بوت روبوتيكس أن أسطول روبوتاتها ينتج حاليًا سنويًا:

نوع البيانات	كمية البيانات السنوية المذكورة من قبل الشركة
بيانات التنقل في العالم الحقيقي	36.5 مليون ساعة
بيانات المناولة في العالم الحقيقي	15.8 مليون ساعة

ذكرت الشركة أن بيانات المناولة تم جمعها من خلال وضع "جمع البيانات غير التدخلي" أثناء فترات التشغيل العادية.

قيمتها لا تكمن فقط في عدد الساعات. معظم هذه المواد تأتي من منظور الروبوت نفسه، وقد تحتوي على عمق حقيقي، وأبعاد، وحركة، وإضاءة، وظروف تفاعل حقيقية.

هذا المنظور الشخصي للبيئة الفيزيائية يصعب استبداله بمقاطع الفيديو على الإنترنت وحدها.

عجلة بيانات الذكاء الاصطناعي الفيزيائي

يمكن وصف نموذج بوت روبوتيكس طويل المدى بأنه عجلة بيانات:

1. المزيد من الروبوتات تدخل البيئات التجارية.
2. تواجه الروبوتات المزيد من المهام والحالات الحدودية.
3. يتم التقاط بيانات التشغيل والتدخلات البشرية.
4. يتم استخدام هذه الخبرات لتدريب أو تحسين النماذج.
5. النماذج المحسنة تدعم المزيد من المهام والبيئات.
6. القدرات الأقوى تؤدي إلى المزيد من النشر.
7. قاعدة النشر الأكبر تولد المزيد من البيانات.

هذا يختلف عن النموذج التقليدي الذي يعتبر الروبوت جهازًا نهائيًا.

في النموذج التقليدي، تبيع الشركة أجهزة بمجموعة وظائف ثابتة. كل مهمة مكتملة تخلق قيمة للعميل، لكن التجربة قد تقتصر على هذا الجهاز وبيئة تركيبه.

في نموذج الوكيل الفيزيائي، يمكن لمهمة واحدة أن تساهم أيضًا في نظام تعليمي أوسع. خطأ في التنقل في مستودع، أو حالة تنظيف معقدة في مركز تسوق، أو تصحيح تشغيلي في سيناريو صناعي، قد يساعد في تحسين الأداء المستقبلي لمجموعة الروبوتات بأكملها.

هذه العملية لا تحدث تلقائيًا.

السجلات الأولية لا تعادل سياق النموذج الفعال. يجب معالجة البيانات من خلال:

• الفرز
• التنظيف
• التصنيف أو الهيكلة
• ربط النتائج
• التصفية وفقًا لمتطلبات الخصوصية والأمان
• الموازنة عبر السيناريوهات
• التحويل إلى عينات تدريب أو تقييم
• إعادة التشغيل في أنظمة خاضعة للرقابة
• التحقق من صحتها قبل إعادتها إلى الروبوتات الإنتاجية

مجموعة الروبوتات الضخمة تخلق فرصة لبناء خندق بيانات. لكن جودة خط أنابيب البيانات هي التي تحدد ما إذا كانت هذه الفرصة ستتحول إلى ميزة قدرة حقيقية.

لماذا لا تكفي بيانات العالم الحقيقي وحدها؟

الأخطاء في العالم الفيزيائي مكلفة.

يمكن لنماذج اللغة توليد فقرات خاطئة وإعادة المحاولة فورًا، بينما قد يؤدي خطأ تشغيلي للروبوت إلى استهلاك الوقت، أو إتلاف المعدات، أو تعطيل العمليات التجارية، أو حتى خلق مخاطر أمنية.

لذلك، لا يمكن توسيع نطاق التدريب في العالم الحقيقي من خلال التجربة والخطأ غير المقيد.

حل بوت روبوتيكس هو عجلة التطور المزدوجة للمساحة الافتراضية والواقعية.

الحلقة الافتراضية

مُحاكي العالم عالي الدقة يُمكّن النظام من توليد واختبار عدد هائل من المسارات دون تعريض الأشخاص أو الأجهزة الحقيقية للفشل في كل مرة.

يستطيع المُحاكي توليد ما يلي:

• تسلسلات المهام الناجحة العادية
• الاصطدامات
• الانزلاقات
• عدم استقرار الحمولة
• تغيّر أشكال الأجسام
• انزياح مركز الثقل
• توزيع غير طبيعي للعوائق
• ظروف تشغيل نادرة أو خطيرة

صرّحت شركة "Pudu" بأنها تستخدم بنية "محول الانتشار" لتوليد مسارات متنوعة في البيئة المحاكاة.

الحلقة الواقعية

توفر البيئة الحقيقية تفاصيل لا يمكن للمحاكاة إعادة إنتاجها بالكامل.

من خلال التغذية الراجعة للتفاعل البشري مع الروبوت، يمكن تسجيل ما يلي:

• المواضع التي يحتاج فيها الروبوت إلى تدخل بشري
• ما غيّره المشغّل
• أي مسار أو حركة إمساك نجحت
• الفروق بين البيئة المادية والمحاكاة
• أي حد أمان تم الوصول إليه
• ما إذا كانت نتيجة المهارة مقبولة أم لا

تخدم الحلقتان أغراضًا مختلفة:

• المحاكاة توسّع نطاق وعدد المحاولات
• الواقع يُعاير النموذج بناءً على العواقب المادية الفعلية

تعتمد فعالية هذه الطريقة على دقة المحاكاة وجودة الانتقال بين الأنظمة الافتراضية والمادية. قد تفشل النماذج الناجحة في المحاكاة في العالم الحقيقي بسبب ضوضاء المستشعرات، أو التآكل الميكانيكي، أو التشوهات الهندسية، أو التأخير الزمني، أو السلوك البشري غير المُنمذَج.

عندما تبدأ الروبوتات بنقل الخبرات

تاريخيًا، كانت الروبوتات ذات التشكيلات المختلفة تُطوَّر كأنظمة مستقلة.

قد تستخدم روبوتات التوصيل، وأجهزة التنظيف، والقواعد المتحركة الصناعية، والأذرع الآلية، والروبوتات الشبيهة بالبشر، والروبوتات الرباعية مستشعرات ومفاصل وترددات تحكم وأحمالًا وقيود تشغيلية مختلفة.

أدى ذلك إلى نمط غير فعّال:

• هيكل روبوت واحد يقابله نموذج واحد.
• بيئة واحدة وعملية تدريب واحدة.
• مهمة واحدة وعملية جمع بيانات واحدة.

عند حدوث أي تغيير في الأجهزة، يجب إعادة الكثير من العمل من الصفر.

يحتاج الفريق إلى إعادة بناء البيئة، وتسجيل بيانات العرض، وتدريب استراتيجيات مخصصة، وكتابة منطق تكامل جديد. من الصعب إعادة استخدام البيانات التي جُمعت لروبوت واحد مع روبوت آخر.

استراتيجية "عقل واحد، تشكيلات متعددة" التي تقدمها Pudu تحاول تجاوز هذا النمط.

الهدف ليس جعل شكل كل روبوت موحدًا، بل إنشاء طبقة ذكاء مشتركة تفهم المفاهيم الفيزيائية العامة، مع ترك كل روبوت مع وحدات التحكم الخاصة بأجهزته لتدبير مفاصله ومستشعراته وقيوده.

(هنا وصف للصورة: توضح تطور نموذج "عقل واحد، تشكيلات متعددة" لروبوتات Pudu. الجانب الأيسر يُظهر تطور الطبقة التقنية من أنظمة التحكم المخصصة، والأنظمة الذكية الفردية، والذكاء المعزز بالنماذج الكبيرة، إلى القاعدة الذكية الموحدة. الجانب الأيمن يُظهر تطور طبقة التشكيل من أجهزة التشغيل الآلي المفردة، وروبوتات الخدمة المخصصة للمهام، والروبوتات ذات القدرات المركبة، إلى الروبوتات المتعددة التشكيلات المتعاونة. يلخص الجزء السفلي "عقل واحد، تشكيلات متعددة" على أنه "قاعدة ذكاء واحدة + تشكيلات روبوت متعددة". التكنولوجيا تتجه نحو عقل ذكي موحد، والتشكيلات تتجه نحو أجسام متنوعة، والجمع بينهما يدفع الروبوتات من "روبوت واحد بعقل واحد" نحو "عقل واحد، تشكيلات متعددة"، مما يحقق إعادة استخدام القدرات الذكية عبر الروبوتات ونقلها عبر السيناريوهات.)

قد تشمل المفاهيم المشتركة:

• العلاقات المكانية
• إمكانية استخدام الأشياء
• السببية الفيزيائية
• نية التنقل
• نية التناول والتشغيل
• تخطيط المهام
• قيود السلامة
• تعريف المهارات العامة
• ذاكرة استراتيجيات النجاح والفشل

إذا عملت هذه البنية كما هو متوقع، فإن الخبرات التي يكتسبها روبوت بتشكيل معين يمكن أن تقصر عملية التكيف لتشكيل آخر.

صرّحت Pudu أنه بفضل تدريب النموذج العالمي وكمية صغيرة من بيانات التصحيح الواقعي، يمكن تكييف مهمة جديدة باستخدام حوالي 50 عرضًا توضيحيًا من الخبراء فقط. هذا هو الرقم الذي أعلنته الشركة، وتعتمد فعاليته الفعلية على المهمة وتشكيل الروبوت وبيئة النشر.

الأمر الأكثر جوهرية هو الانتقال من حفظ تسلسلات الحركات الثابتة إلى تعلم العلاقات الفيزيائية القابلة لإعادة الاستخدام.

PuduFM 1.0: أساس الذكاء الفيزيائي المشترك

PuduFM 1.0 هو طبقة النموذج الأساسي التي تدعم هذه الاستراتيجية.

تضعه Pudu كنموذج ذكي جسدي مستمر التطور، يهدف إلى حل ثلاث مشاكل رئيسية:

1. الانفصال بين مهارات التنقل والتناول والتشغيل
2. الافتقار إلى الحدس الفيزيائي
3. عزلة النماذج ومجموعات البيانات حسب تشكيل الروبوت

تتكون البنية حول ثلاثة عناصر تقنية أساسية.

نموذج الحدس الفيزيائي: توقع العواقب المادية

نموذج الحدس الفيزيائي (PIM) مصمم لمساعدة الروبوت على توقع النتائج المحتملة قبل التصرف.

يقوم البشر بهذا التوقع بشكل مستمر.

عند التقاط كأس زجاجي مبلل، يستخدم الشخص قبضة أكثر حذرًا دون وعي؛ عند حمل جسم طويل، يراعي التوازن؛ عند المشي على أرضية زلقة، يضبط السرعة والقوة.

قد تتعرف أنظمة الإدراك التقليدية على الكأس أو الأرضية، لكنها تظل تفتقر إلى نمذجة العواقب الفيزيائية.

تقول Pudu إن PIM يستخدم بنية محول الانتباه السببي لنمذجة حركة الأجسام والتفاعلات الفيزيائية في الفضاء الكامن.

لم يعد يركز فقط على التنبؤ الكثيف بالبكسل، بل يحاول تمثيل العناصر الديناميكية التالية:

• الجاذبية
• الاحتكاك
• التشوه
• حركة مركز الثقل
• قابلية الوصول
• خطر الاصطدام
• فعالية الفعل

قبل التنفيذ، يمكن تقييم الموقع الحالي للروبوت، ووضعه، والإجراءات المقترحة.

عمليًا، يهدف PIM إلى حل مشكلة الروبوتات التي تستطيع رؤية الأشياء ولكنها لا تفهم تأثير الحركات المخطط لها عليها.

VLA متعدد الوسائط: ربط اللغة والرؤية والتنقل والتناول والتشغيل

العنصر الثاني هو نظام الرؤية-اللغة-الفعل متعدد الوسائط.

فصلت العديد من البنيات المبكرة للروبوتات الوظائف التالية:

• الإدراك البصري.
• فهم اللغة الطبيعية.
• التنقل.
• التحكم في الذراع الآلية.
• التناول والتشغيل.
• منطق السلامة.

ونتيجة لذلك، قد تفشل المهام بين الوحدات.

قد يفهم الروبوت الأمر ويصل إلى الموقع الصحيح، لكنه لا يستطيع تحويل هذا الفهم إلى تسلسل تشغيلي مستقر.

تهدف طبقة VLA في روبوتات Pudu إلى وضع اللغة والرؤية والحركة والتناول والتشغيل في تمثيل موحد.

ثم يتم دمج قدرة التنبؤ الفيزيائي لـ PIM في سير العمل.

ينتج عن ذلك تسلسل تنفيذي مفاهيميًا كالتالي:

1. فهم المهمة.
2. تفسير البيئة.
3. تقييد القيود المادية.
4. تخطيط مشترك للتنقل والتناول والتشغيل.
5. توليد تسلسل متماسك من الإجراءات.
6. تصحيح التنفيذ باستخدام التغذية الراجعة.

تهدف هذه الطريقة المركبة إلى تضييق الفجوة بين "الوصول إلى الموقع" و"إكمال المهمة".

النموذج العالمي: ميدان تدريب افتراضي قابل للتوسع

العنصر الثالث هو المُحاكي العالمي الذي يقود الجانب الافتراضي من دورة التعلم.

تقول Pudu إن هذا المُحاكي بُني باستخدام بيانات تشغيلية جُمِعت من العديد من البيئات التجارية.

يمكنه توليد مسارات قياسية ومسارات خصومية، مما يخلق أمثلة يصعب جمعها بشكل متكرر في العالم الحقيقي، أو نادرة جدًا، أو تشكل خطرًا على السلامة.

يدعم النموذج العالمي كلاً من PIM وVLA من خلال توفير عدد كبير من السيناريوهات الفيزيائية القابلة للتحكم.

يمكن تلخيص العملية برمتها كالتالي:

المرحلة	الغرض
التدريب المسبق	بناء معرفة عامة واسعة بالرؤية واللغة والفيديو والفيزياء
التعزيز بالمحاكاة	ممارسة القرار والحركة على نطاق واسع في البيئة الافتراضية
الضبط الدقيق بالعالم الحقيقي	تصحيح النموذج من خلال النشر المادي والتغذية الراجعة البشرية

النظام ليس مجرد "محاكاة أولاً، ثم نشر".

تصفها Pudu كحلقة مستمرة: البيانات الحقيقية تحسن بيئة المحاكاة، وبيئة المحاكاة تساعد النموذج على الاستعداد للمجموعة التالية من المهام المادية.

Pudu D7: الحامل المادي

ظهر روبوت Pudu D7 لأول مرة فعليًا في المؤتمر العالمي للذكاء الاصطناعي 2026.

تضعه Pudu كروبوت شبه بشري صناعي مناسب لبيئات مثل التصنيع والتجزئة والخدمات اللوجستية.

صُمم الجزء السفلي ذو العجلات لتحقيق حركة مستقرة وفعالة، بينما يوفر الجزء العلوي ذراعين للتناول والتشغيل.

يجسد هذا التشكيل حلاً وسطًا عمليًا.

في السيناريوهات التي تتطلب صعود السلالم وقدرة حركية شبيهة بالإنسان، قد يكون الروبوت البشري كامل الحجم ذو القدمين أكثر ملاءمة؛ ولكن على الأرضيات المستوية الشائعة في المستودعات والمتاجر والمصانع، يوفر الحل ذو العجلات كفاءة واستقرارًا أفضل.

تشير بيانات Pudu الرسمية من المؤتمر العالمي للذكاء الاصطناعي 2026 إلى أن D7 يدعم حمولة تصل إلى 14 كجم، وهو مصمم للتشغيل الصناعي الطويل.

الأهمية الاستراتيجية لـ D7 لا تكمن فقط في جسمه.

يتم تقديمه كأحد التشكيلات المتعددة التي يمكنها مشاركة حزمة الذكاء الموحدة PuduFM وPudu Agent.

هذا يجعله حجر محك لاختبار ما إذا كان يمكن نقل الخبرات.

في مجموعة Pudu الحالية من روبوتات الخدمة والتنظيف والروبوتات الصناعية، يتم توسيع قدراته لتشمل نظام تشغيل أكثر عمومية.

البنية العليا: عقل واحد، تشكيلات متعددة

القيمة الأساسية للنموذج الأساسي للروبوت تكمن في قدرته على دعم نماذج متعددة.

تغطي مجموعة منتجات Pudu أربع فئات رئيسية:

1. روبوتات توصيل الخدمة
2. روبوتات التنظيف التجارية
3. روبوتات التوصيل الصناعية
4. الروبوتات الذكية العامة الجسدية

تتضمن هذه الفئات روبوتات متحركة مخصصة، وروبوتات شبه بشرية، وروبوتات بشرية، وأنظمة رباعية.

تقسم بنية "عقل واحد، تشكيلات متعددة" النظام إلى ثلاث طبقات:

العامل المادي = التشكيل الجسدي + النظام + المهارة

التشكيل الجسدي

التشكيل الجسدي هو الجهاز المادي:

• المستشعرات

• هيكل بعجلات أو بأرجل

• ذراع آلية

• مفصل

• القدرة على الحمل

• بطارية

• المنفذ الطرفي

• المحددات الميكانيكية للسلامة

تختلف التشكيلات حسب المهام التي تم تحسينها من أجلها.

النظام

يتولى النظام مسؤولية تنسيق التشغيل المستمر للروبوت:

• فهم المهام
• التخطيط
• الذاكرة
• التنفيذ
• الجدولة
• التنسيق متعدد الروبوتات
• إدارة الأدوات والموارد

تسند "Pudu" هذا الدور إلى منصة التحكم الشاملة لعامل Pudu.

المهارات

المهارات هي وحدات قدرة قابلة لإعادة الاستخدام، مثل:

• الملاحة
• تجنب العوائق
• الإمساك
• التفاعل البشري
• تسليم الأشياء
• أعمال التنظيف
• النقل الصناعي
• التعاون متعدد الروبوتات

يوفر النموذج الأساسي لـ Pudu أساسًا ذكيًا ماديًا مشتركًا لهذه القدرات، بينما تحولها منصة التحكم الشاملة لعامل Pudu إلى سير عمل قابل للتطبيق.

منصة التحكم الشاملة لعامل Pudu: نظام تشغيل العامل المادي

إذا كان النموذج الأساسي لـ Pudu هو الدماغ المادي المشترك، فإن منصة التحكم الشاملة لعامل Pudu هي الطبقة التي تدير كيفية تطبيقه.

تعرف Pudu منصة التحكم الشاملة لعامل Pudu على أنها منصة عامل متجسد عام موجهة نحو العالم المادي.

تتكون من ثلاثة أجزاء أساسية:

1. نظام تشغيل منصة التحكم الشاملة لعامل Pudu
2. مكتبة مهارات منصة التحكم الشاملة لعامل Pudu
3. نظام أمان منصة التحكم الشاملة لعامل Pudu

(صورة: جناح روبوتات Pudu في معرض WAIC 2026، حيث يقدم رجل للحضور مفهوم العامل المادي "دماغ واحد، تشكيلات متعددة". تعرض الشاشة الخلفية الكبيرة بنية تقنيات مثل PuduAgent OS و PuduFM و PuduAgent Skills و PuduAgent Safety. الجناح حديث، مع شاشات عرض ومنصات متعددة، وحضور من الموظفين والزوار. تتوافق هذه الصورة مع المحتوى الذي يقدم بنية تقنية PuduAgent في المستند، وتعرض بشكل مرئي المفاهيم التقنية ذات الصلة.)

نظام تشغيل منصة التحكم الشاملة لعامل Pudu

تحتوي طبقة نظام التشغيل على ثلاثة مكونات أساسية.

جوهر العامل

يتولى جوهر العامل مسؤولية تفسير البيئة والمهمة الحالية، وتخطيط خطة عمل الروبوت.

تشمل مسؤولياته:

• فهم الأهداف
• تحليل خطوات المهمة
• اختيار المهارات المطلوبة
• تحديث الخطة بناءً على الملاحظات الجديدة
• تنسيق الملاحة والتشغيل
• إدارة القرارات على مستوى المهمة

ذاكرة العامل

تسجل ذاكرة العامل المعلومات الفعالة أثناء تنفيذ المهمة.

بالنسبة للروبوتات المادية، لا تقتصر الذاكرة على حفظ النصوص.

يجب أن تحتفظ بـ:

• حالة البيئة الحالية
• الإجراءات الأخيرة
• المواقع التي تمت زيارتها
• التعليمات البشرية
• الاستراتيجيات الناجحة
• المحاولات الفاشلة
• التغييرات البيئية التي أحدثها الروبوت
• تقدم المهام طويلة المدى

تساعد الذاكرة المستمرة الروبوت على تجنب تكرار الأخطاء، والحفاظ على التوجه نحو الهدف أثناء التشغيل المطول.

مشغل العامل

يتولى المشغل مسؤولية تحويل القرارات عالية المستوى إلى تنفيذ فوري.

يمكن أن يتم التخطيط على مستوى تجريدي نسبيًا، لكن المحركات وأجهزة الاستشعار تتطلب تشغيلًا مستمرًا، وتحتاج إلى استجابة بزمن انتقال منخفض.

يعمل المنفذ كجسر بين طبقة التخطيط ونظام التنفيذ الخاص بالروبوت.

PuduAgent Skills

تعمل PuduAgent Skills على تجريد القدرات العامة في مكتبة موحدة.

وبدون هذه الطبقة، قد يحتاج كل شكل من أشكال الروبوت إلى تنفيذ منفصل لوظائف متشابهة من الناحية المفاهيمية.

يمكن لمهارة موحدة أن تصف نية وواجهة إجراء معين، مع السماح لكل كيان بالتنفيذ وفقًا لعتاده الخاص.

تشمل الأمثلة:

• الانتقال إلى موقع محدد
• تجنب العوائق
• التقاط الأشياء
• وضع الأشياء
• طلب تأكيد من شخص
• انتظار الشخص لتنظيف المسار
• التنسيق مع الروبوتات الأخرى
• التوقف الآمن
• العودة إلى محطة الشحن

هذا لا يعني أن كل روبوت يعمل بنفس وحدة التحكم الأساسية المتكاملة تمامًا.

لا تزال منطق الذراع الآلية البشرية ومنطق هيكل التوصيل المتنقل مختلفة. الطبقة القابلة لإعادة الاستخدام هي تعريف المهمة، وواجهة التخطيط، وعقود الأمان، والخبرات المادية المكتسبة من خلال التعلم.

PuduAgent Safety

مع تشغيل الروبوتات لفترات أطول وتحت إشراف مباشر أقل، تصبح السلامة أكثر أهمية.

قبل تنفيذ إجراء، قد يحتاج النظام إلى تقييم:

• هل الإجراء ممكن فيزيائيًا
• هل المسار لا يزال خاليًا
• هل دخل شخص إلى منطقة التشغيل
• هل الحمل مستقر
• هل يجب أن يبطئ الروبوت
• هل تغيرت البيئة
• هل يجب تعليق المهمة أو إيقافها

يعمل PuduAgent Safety كطبقة درابزين للتنبؤ بالمخاطر المحتملة، وتعديل أو منع الإجراءات عند الضرورة.

هذا أمر بالغ الأهمية للنشر التجاري.

لا يخلق الروبوت قيمة بمجرد إكمال عرض توضيحي مثير للإعجاب. قيمته تكمن في أداء المهام المتكررة بشكل موثوق، مع الحفاظ على معدلات الفشل والتدخل البشري وحوادث السلامة ضمن نطاق مقبول.

ما الذي تتنافس عليه Pudu حقًا

للوهلة الأولى، يبدو سوق الروبوتات وكأنه منافسة بين الأجهزة:

• أذرع آلية أفضل
• أرجل أكثر مرونة
• قدرة حمل أعلى
• عمر بطارية أطول
• سعر أقل
• حركات أكثر شبهاً بالإنسان

لا تزال هذه العوامل مهمة.

لكن الرسالة التي نقلتها Pudu في WAIC تشير إلى أن المرحلة التالية من المنافسة ستشمل أيضًا أربعة أصول أقل وضوحًا.

1. الحصول على بيانات مادية حقيقية

تستطيع الشركات التي تمتلك روبوتات على نطاق واسع مراقبة بيئات وحالات حافة أكثر تنوعًا.

2. قدرات إدارة البيانات

لا تعمل السجلات غير المنظمة على تحسين النماذج تلقائيًا. تحدد جودة البيانات والخصوصية والتصنيف والتقييم ما إذا كانت الخبرة مفيدة.

3. النقل عبر أشكال الروبوتات

عندما تقلل تجربة شكل أو مهمة من عبء العمل على شكل أو مهمة أخرى، يصبح نظام التعلم أكثر قابلية للتوسع.

4. منصة عامل موثوقة

ليست النماذج الأساسية كافية. يحتاج الروبوت إلى الذاكرة والتنفيذ والمهارات والسلامة والجدولة والتحكم التشغيلي.

ربما تتمكن الشركات التي تدمج هذه الطبقات بشكل فعال من تحويل كل عملية نشر إلى مدخلات للجيل التالي من المنتجات.

الأعمال

الحجم ورأس المال

يدعم نموذج أعمال Pudu عمليات النشر التجاري على نطاق واسع وتمويل جديد.

في أبريل 2026، أعلنت الشركة عن حصولها على تمويل يقارب 150 مليون دولار أمريكي، مما رفع تقييمها إلى ما يزيد عن 1.5 مليار دولار أمريكي، بإجمالي تمويل تجاوز 300 مليون دولار أمريكي.

في ذلك الوقت، وفقًا لتقرير سابق لشركة Frost & Sullivan، كانت Pudu قد سلمت أكثر من 120,000 روبوت، مستحوذة على 23% من سوق الروبوتات الخدمية التجارية العالمية.

خلال معرض PuduFM و WAIC، أعلنت الشركة أن عمليات التسليم تجاوزت 130,000 روبوت.

يمكن لهذه الأموال دعم البحث والتطوير في المجالات التالية:

• أبحاث العامل المتجسد
• تطوير الأجهزة
• البنية التحتية للبيانات
• تقنيات المحاكاة
• المبيعات والخدمات العالمية
• عمليات التصنيع
• أشكال روبوتات جديدة
• تطوير منصة العامل

على الرغم من أن حجم التمويل وعدد الشحنات لا يضمنان نجاح بنية العامل المادي العام،

إلا أنهما يمنحان Pudu موردين أساسيين: قاعدة نشر ضخمة والقدرة على الاستثمار في الأنظمة اللازمة للتعلم منها.

التحديات التقنية المتبقية

الاتجاه التقني "جسم واحد، تشكيلات متعددة" مثير، لكنه لا يزال بحاجة إلى التغلب على العديد من التحديات الرئيسية.

الفعالية الفعلية لنقل الخبرة؟

قد تؤدي نتائج تعلم روبوت التنظيف إلى تحسين قدرات الملاحة المشتركة أو التعرف على العوائق، لكنها قد لا تعلم الذراع البشرية كيفية التعامل مع الأشياء القابلة للتشوه بشكل مباشر.

يجب تقييم جودة نقل الخبرة وفقًا لنوع المهارة وسيناريو التطبيق وشكل التجسد.

آلية مراقبة جودة البيانات؟

تنتج مجموعات الروبوتات واسعة النطاق كميات هائلة من البيانات المتكررة والمزعجة وغير المكتملة أو المنحرفة.

المؤشر الرئيسي لجودة البيانات ليس إجمالي المدة، بل مقدار الإشارات التدريبية المتنوعة والمعتمدة التي يمكن استخلاصها من هذه المدة.

ضمان الخصوصية والأمان؟

قد تجمع الروبوتات العاملة في البيئات العامة والتجارية معلومات بصرية أو مكانية أو تشغيلية حساسة.

يجب أن تشمل إدارة البيانات التصاريح وفترات التخزين والتحكم في الوصول وإجراءات إخفاء الهوية والامتثال للوائح الإقليمية والحماية من الهجمات الإلكترونية.

تطابق المحاكاة مع الواقع؟

يمكن لنماذج العالم توسيع نطاق التدريب، لكن الفجوة بين المحاكاة والواقع لا تزال تحديًا أساسيًا في مجال الروبوتات.

يجب التحقق من جميع النماذج من خلال الأجهزة المادية في ظل ظروف تشغيل حقيقية.

هل يمكن للسلامة مواكبة الاستقلالية؟

مع زيادة تعقيد وطول مدة المهام التي ينفذها الروبوت، ينمو عدد مسارات الفشل المحتملة بشكل كبير.

يحتاج نظام الأمان إلى إنشاء تحكم حتمي وحماية للأجهزة ومراقبة في الوقت الفعلي واسترداد من الفشل وآليات تدخل بشري، بدلاً من الاعتماد فقط على استدلال طبقة النموذج.

التحقق من صحة النموذج الاقتصادي؟

في النهاية، يهتم العملاء بالقيمة التشغيلية الإجمالية:

• تكلفة الشراء/الإيجار
• تعقيد النشر
• تكاليف الصيانة
• مؤشرات الموثوقية
• كفاءة توفير العمالة
• تكلفة وقت التوقف
• نطاق الخدمة
• تكاليف التكامل والتطوير
• فترة استرداد الاستثمار

يجب أن تُظهر الروبوتات المتقدمة تقنيًا اقتصاديات أفضل من حلول الأتمتة البسيطة في المهام الحقيقية.

قيمة أعمق: العمل يخلق خبرة قابلة لإعادة الاستخدام

عندما تعمل الروبوتات على نطاق واسع، قد لا تكون المخرجات الأكثر قيمة هي عدد طلبات التوصيل المنفذة أو مسارات التنظيف المكتملة أو مهام النقل،

بل الخبرات الفيزيائية القابلة لإعادة الاستخدام التي تخلقها هذه المهام.

تبني استراتيجية "بوردو" نظاماً مترابطاً من أربع طبقات:

1. مجموعات الروبوتات التجارية واسعة النطاق
2. تقنية الذكاء الجسدي الشامل (Full-Stack Embodied Intelligence)
3. نظام الحلقة المغلقة للبيانات
4. الابتكار المشترك بين البرمجيات والأجهزة

يحقق هذا الهيكل من خلال آلية التنسيق "السحابة-الحافة-الجهاز" تطوراً مستمراً للذكاء الجماعي للروبوتات.

دولاب الموازنة للبيانات بين المحاكاة والواقع

3. PuduFM كأساس للذكاء الفيزيائي المشترك
4. PuduAgent كطبقة تشغيل عبر الأشكال المختلفة

يُدمج روبوت PUDU D7 هذه الاستراتيجية في شكل روبوت صناعي أكثر عمومية، لكن رهانه الأكبر يكمن في المستوى الهيكلي.

تحاول "بوردو" تحويل مجموعة منتجاتها إلى نظام تعلم بيئي.

لن يفوز بالمنافسة طويلة المدى الروبوت الذي ينفذ الحركات الفردية الأكثر إبهاراً، بل النظام القادر على التعلم بأمان من أكبر عدد من التفاعلات الفيزيائية القيمة، ونقل نتائج التعلم عبر الروبوتات المختلفة، وتحقيق قيمة اقتصادية موثوقة في البيئات الحقيقية.

الأسئلة الشائعة

ما هو PuduFM 1.0؟

PuduFM 1.0 هو النموذج الأساسي للذكاء الجسدي لروبوتات "بوردو". يدمج نموذج الحدس الفيزيائي، ونظام المحاذاة متعدد الوسائط (الرؤية-اللغة-الفعل)، وحلقة التدريب من المحاكاة إلى الواقع، لدعم الملاحة والتشغيل والاستدلال الفيزيائي للروبوتات ذات الأشكال المختلفة.

ما هو PuduAgent؟

PuduAgent هي المنصة العامة لعامل الذكاء الجسدي لتشغيل الروبوتات في العالم المادي من "بوردو". تتضمن طبقة تشغيل للتخطيط والذاكرة والتنفيذ، ومكتبة مهارات قابلة لإعادة الاستخدام، ووحدة تحكم في السلامة.

ما معنى "عقل واحد، أشكال متعددة"؟

يعني هذا أن أنواعاً متعددة من الروبوتات تشترك في أساس ذكاء موحد، بدلاً من تطويرها كأنظمة منفصلة تماماً. يحتفظ كل روبوت بالتحكم الخاص بأجهزته، بينما يمكن إعادة استخدام الفهم الفيزيائي الأعلى مستوى والتخطيط والذاكرة والمهارات.

كم عدد الروبوتات التي نشرتها "بوردو"؟

صرحت "بوردو" أنها سلمت أكثر من 130,000 روبوت حول العالم. تشير موادها الرسمية إلى أن خدماتها تغطي أكثر من 80 دولة ومنطقة، بينما ذكر في خطاب WAIC 2026 أنها تغطي 85 دولة ومنطقة.

ما هو روبوت PUDU D7؟

PUDU D7 هو روبوت شبه بشري صناعي مزود بقاعدة متحركة بعجلات وذراعين. تضعه "بوردو" لأداء المهام الصناعية والتجزئة واللوجستية، وكأحد الحوامل المادية لهندسة PuduFM وPuduAgent.

ما هو نموذج الحدس الفيزيائي؟

يهدف نموذج الحدس الفيزيائي (PIM) إلى التنبؤ بالنتائج الفيزيائية للحركة التي يعتزم الروبوت تنفيذها. تشير "بوردو" إلى أن النموذج يحاكي خصائص ديناميكية مثل الحركة والاحتكاك والتشوه والتوازن ومخاطر الاصطدام في فضاء كامن قبل التنفيذ.

لماذا تستخدم "بوردو" بيانات المحاكاة والواقع معاً؟

يمكن لأنظمة المحاكاة توليد كميات هائلة من المسارات الطبيعية والعدائية دون المخاطرة المتكررة بالمعدات الحقيقية أو الموظفين. بينما يوفر التشغيل الواقعي تغذية راجعة حقيقية تساعد في معايرة المحاكي وتصحيح النموذج.

هل تم التحقق من ريادة "بوردو" في السوق بشكل مستقل؟

تشير "بوردو" إلى تقرير بحثي لسوق "فروست أند سوليفان" يظهر أنها تحتل المرتبة الأولى في عدة فئات من روبوتات الخدمة التجارية. تعرض هذه المقالة التصنيفات المذكورة فقط كاستشهاد بنتائج البحث، ولم يتم إجراء تحقق مستقل من مجموعة البيانات الكاملة للسوق.

الأدوات ذات الصلة

• منصة بوردو المفتوحة: المنصة الرسمية للمطورين لدمج روبوتات بوردو مع التطبيقات وأنظمة الأعمال.

• [الدعم الفني لروبوتات بوردو]

• الأكاديمية: الكتيبات الرسمية ومعلومات النشر وموارد دعم المنتج.

• PuduFM 1.0: النموذج الأساسي القائم على الحدس الفيزيائي من بوردو لأشكال الروبوتات المتعددة.

• PuduAgent: منصة عامل الذكاء الجسدي من بوردو، والتي تشمل التخطيط والذاكرة والتنفيذ والمهارات القابلة لإعادة الاستخدام ووظائف السلامة.

• PUDU D7 و WAIC 2026: المعلومات الرسمية للروبوت شبه البشري ودوره في مجموعة تقنيات الذكاء الجسدي من بوردو.

• مجموعة منتجات روبوتات بوردو: المعلومات الرسمية لروبوتات التوصيل والتنظيف والصناعية والروبوتات المزودة بالذكاء الجسدي.

الروابط ذات الصلة

• روبوتات بوردو في WAIC 2026: الإعلان الرسمي الذي يغطي روبوت PUDU D7 واستراتيجية "عقل واحد، أشكال متعددة".
• المقدمة التقنية لـ PuduFM 1.0: الإيضاحات الرسمية حول نموذج الحدس الفيزيائي (PIM)، والمحاذاة (VLA)، والمحاكي العالمي، ومراحل التدريب، ودولاب الموازنة للبيانات.
• إطلاق PuduAgent: النظرة العامة الرسمية لمنصة عامل الذكاء الجسدي وهيكل تشغيلها.
• الإعلان عن تمويل روبوتات بوردو: المعلومات الرسمية حول جولة التمويل في أبريل 2026 وتقييم الشركة.
• أخبار ورؤى روبوتات بوردو: الإعلانات الرسمية الحالية، وإطلاق المنتجات، وآخر التطورات الخاصة بالنشر، ومعلومات الشركاء.
• منصة PUDU المفتوحة: البوابة الرسمية للتكامل والمطورين لأنظمة روبوتات بوردو.

الخلاصة

تتجاوز الاستراتيجية التي عرضتها روبوتات بوردو في WAIC 2026 منتج الروبوت الواحد بذاته. يوفر أسطول الروبوتات التجارية المنتشر لديها خبرات من العالم الحقيقي، بينما تزيد أنظمة المحاكاة من كمية وتنوع سيناريوهات التدريب.

يهدف PuduFM 1.0 إلى توفير قدرة استدلال فيزيائي مشتركة لأشكال الروبوتات المختلفة. يضيف PuduAgent وظائف التخطيط والذاكرة والتنفيذ والمهارات القابلة لإعادة الاستخدام والتحكم في السلامة. ويوضح روبوت PUDU D7 كيفية تطبيق هذه المجموعة التقنية على منصة صناعية شبه بشرية.

لا تزال الاستراتيجية تواجه تحديات تتعلق بجودة البيانات، والنقل عبر الأشكال، ودقة المحاكاة، والخصوصية والأمان، والعائد التجاري، لكن فكرتها الأساسية أصبحت واضحة بالفعل.

قد لا تكمن الميزة التنافسية للجيل القادم من الروبوتات فقط في صنع آلات أقوى، بل في بناء نظام ذكي مشترك يمكنه التعلم باستمرار من كل روبوت يعمل.