ToyBlocks من AI2: إطار مفتوح لتدريب الروبوتات بسرعة 24 ضعف الزمن الحقيقي
بقلم علي المنتصر — محلل ومحرر تقني أول
أطلق معهد Allen AI إطار ToyBlocks المفتوح، أول FoundationWorld لتدريب وتقييم الروبوتات في بيئة محاكاة محكومة. يولّد الإطار بيانات تدريب تلقائياً بسرعة تصل إلى 24 ضعف الزمن الحقيقي على وحدة GPU واحدة، دون الحاجة إلى تحكم بشري عن بُعد. يعتمد على Isaac Lab من Nvidia ويوفر واجهة MCP تربط نماذج مثل Claude Opus 5.5 للتحكم بالروبوت عبر اللغة الطبيعية.
الموجز الإحصائي السريع
أعلن معهد Allen Institute for AI (AI2) رسمياً عبر مدونة Hugging Face عن إطلاق ToyBlocks، أول إطار ضمن مبادرة FoundationWorlds، وهو بيئة محاكاة مفتوحة لتدريب وتقييم الروبوتات. الإطار متاح فوراً كمصدر مفتوح (كود + بيانات + نماذج + توثيق)، ويحقق سرعة توليد بيانات تصل إلى 24 ضعف الزمن الحقيقي على وحدة GPU واحدة.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | مجاني ومفتوح المصدر بالكامل (كود + بيانات + نماذج + توثيق). لا توجد طبقات اشتراك أو تسعير تجاري — إطار بحثي أكاديمي من AI2. |
| 🌐 المنصات والتوفر الفوري | متاح فوراً عبر Hugging Face (مدونة AI2). يعمل على Isaac Lab من Nvidia. واجهة ويب تدعم ربط Claude Opus 5.5 ونماذج frontier عبر بروتوكول MCP (Model Context Protocol). |
| ⚡ الأداء ومؤشرات السرعة | سرعة توليد بيانات تصل إلى 24× الزمن الحقيقي عبر تنفيذ مئات الخطط بالتوازي على وحدة GPU واحدة. توليد مهارات تلقائي عبر RL + TAMP دون تحكم بشري (teleoperation). |
| 🛡️ الأمان ومقاومة الاختراق | لم يُذكر أي معيار أمني أو مقاومة Prompt Injection في البيان الرسمي. الإطار بحثي أكاديمي وليس منتجاً تجارياً. |
| 🧠 سياق الذاكرة (Context Window) | غير محدد في البيان الرسمي. الإطار يعتمد على نماذج خارجية (Molmo 2، ManiFlow، Claude Opus 5.5) لكل منها سياقها الخاص. |
| 🌍 دعم اللغة العربية والمنطقة | لا يوجد دعم معلن للغة العربية. الواجهة تعتمد على اللغة الإنجليزية عبر نماذج frontier. لا توجد إشارة لتوفر إقليمي في دول عربية. |
تفاصيل الإعلان والميزات التقنية الجديدة
يقدم ToyBlocks مفهوماً جديداً أطلق عليه AI2 اسم FoundationWorlds: بيئات محاكاة محكومة تجمع بين عالم فيزيائي واقعي وأدوات لتوليد المهام وعروض التدريب تلقائياً، إضافة إلى مقاييس لقياس سلوك الروبوت بمرور الوقت. الإطار الأول ToyBlocks مبني حول ذراع روبوتية ومكعبات على طاولة، مع رسومات وحروف على أوجه المكعبات تتيح مهام البحث والفرز والترتيب. يعتمد الإطار على أربعة متطلبات تصميمية: فيزياء ومظهر واقعيان، توليد تلقائي للمهام على نطاق واسع، تحديات تجمع بين الاستدلال والبراعة الحركية، وتغطية واسعة للمهام الممكنة.
تقنياً، يستخدم ToyBlocks التعلم المعزز (RL) وتخطيط الحركة لتوليد المهارات قصيرة المدى داخل Isaac Lab من Nvidia. تُدرَّب السياسات (policies) على مهارات غير قابضة مثل دفع المكعب أو قلبه دون التقاطه، مع الاستفادة من المعلومات المميزة (privileged information) التي يوفرها المحاكي مباشرة. لتوليد بيانات العرض، يستخدم الإطار مخطط المهام والحركة (TAMP) الذي يختار ويرتب المهارات اللازمة لحل المهمة، ثم ينفذ مئات الخطط بالتوازي على وحدة GPU واحدة محققاً سرعة 24× الزمن الحقيقي. كما يتضمن الإطار عشوائية النطاق (domain randomization) لتغيير حجم المكعبات وارتفاع الطاولة وخصائص فيزيائية أخرى لاختبار قدرة النماذج على التعميم.
يدعم ToyBlocks نماذج متعددة المستويات: نموذج Molmo 2 كنموذج استدلال عالي المستوى يختار المهارة ويشير إلى المكعب عبر واجهة تأشير، ونموذج ManiFlow كنموذج تحكم منخفض المستوى ينفذ الحركة. كما يوفر الإطار واجهة ويب تتيح ربط Claude Opus 5.5 أو أي نموذج frontier آخر عبر بروتوكول MCP، لتمكين التحكم بالروبوت باللغة الطبيعية دون الحاجة لخبرة روبوتية.
المقارنة المعيارية والأداء التنافسي
كشفت التجارب المعيارية داخل ToyBlocks أن نماذج الحركة الشائعة مثل ManiFlow وπ0.5 وMolmoAct 2 تعاني من ضعف التعميم المكاني رغم التدريب المسبق الواسع. اختبر الإطار أربع مهام: Stack وUnstack وFlip وRotate، مع تقييم الاستيفاء (مواقع جديدة داخل نطاق التدريب) والاستقراء (مواقع خارج النطاق). كما أظهرت تجارب المهام الطويلة (مثل تهجئة "Ai2" بمكعبات) أن Molmo 2 كمخطط عالي المستوى مع ManiFlow كمنفذ منخفض المستوى يتفوق على استخدام مخطط الحركة وحده. في تجارب الأنظمة الوكيلة، استخدم الإطار Claude Opus 5.5 عبر MCP في سيناريو البحث والتهجئة، حيث يرى الوكيل المشهد عبر صور الكاميرا ويستدعي المهارات بالتأشير على البكسل. وتُظهر النتائج أن تعميم نماذج الحركة لا يزال بعيداً عن الحل، ويوفر ToyBlocks منصة اختبار منهجية لتطوير تقنيات التعميم.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
لا يتضمن ToyBlocks أي دعم معلن للغة العربية، وواجهته تعتمد على الإنجليزية عبر نماذج مثل Claude وMolmo 2، ما يعني أن المطور العربي سيحتاج لبناء طبقة ترجمة أو تكييف محلي للاستفادة منه. من ناحية التكلفة، الإطار مجاني ومفتوح المصدر بالكامل، ما يخفض حاجز الدخول لفرق البحث الناشئة في العالم العربي التي لا تستطيع تحمل تكاليف منصات المحاكاة التجارية. سرعة 24× للزمن الحقيقي على GPU واحدة تعني أن مختبراً بحثياً واحداً في المنطقة يمكنه توليد آلاف العروض التدريبية في ساعات بدلاً من أسابيع. حالات الاستخدام العملية تشمل تدريب نماذج VLA على مهام فرز وترتيب بالعربية، وبناء بيئات محاكاة محلية لقطاعات مثل اللوجستيات والتصنيع. لكن غياب الدعم العربي الرسمي يعني أن أي مشروع إقليمي سيحتاج لاستثمار إضافي في التوطين.
الخلاصة والتطلعات القادمة
يمثل ToyBlocks خطوة منهجية مهمة نحو بناء بيئات محاكاة محكومة وقابلة للتكرار لدراسة تعلم الروبوتات، مع أرقام صلبة أبرزها سرعة 24× للزمن الحقيقي على GPU واحدة. الإطار مجاني ومفتوح المصدر، ويستند إلى Isaac Lab وMCP، ما يجعله أداة قيمة لفرق البحث. التحدي القادم هو توسيع النهج لبيئات أكثر تعقيداً، وهو ما أكد AI2 أنه الهدف التالي لمبادرة FoundationWorlds.
المصدر الإعلامي: Hugging Face | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
