إكس بينغ GroundingPI: نموذج مفتوح بـ4 مليارات معامل يتفوق على GPT-6 Astra في الإدراك

Ahmed Zaky

أعلنت إكس بينغ (XPeng) الصينية دعمها لتطوير GroundingPI، نموذج أساسي مفتوح المصدر للإدراك البصري موجه إلى ما تسميه الشركة "الذكاء الاصطناعي الفيزيائي"، أي الأنظمة التي تتعامل مع العالم الحقيقي مثل الروبوتات والقيادة الذاتية. النموذج الذي طوره باحثون مرتبطون بإكس بينغ وجامعة بكين وجامعة هونغ كونغ ومؤسسات أكاديمية أخرى يضم نحو 4 مليارات معامل، وسجل بحسب تقييم فريق البحث 73.68 نقطة في متوسط 34 اختباراً للإدراك، متقدماً على نموذج GPT-6 Astra الذي سجل 71.54 نقطة. فما الذي يفعله هذا النموذج تحديداً، ولماذا يهم شركة سيارات؟

صورة تعريفية من إكس بينغ (XPeng) لنموذج GroundingPI تظهر ظل روبوت بشري أمام مؤخرة سيارة بمصابيح خلفية مضيئة عند الغروب
تقدم إكس بينغ نفسها اليوم شركة للذكاء الاصطناعي الفيزيائي تجمع السيارات الكهربائية والروبوتات وسيارات الأجرة الذاتية (الصورة: XPeng)

ما هو GroundingPI؟

يركز النموذج على مهارة تبدو بسيطة لكنها أساسية لأي آلة تتحرك في العالم الحقيقي: التعرف على الأشياء وتحديد موقعها المكاني بدقة. فالنماذج العامة الكبيرة تتفوق في فهم اللغة والتفكير والتخطيط، لكن الروبوت أو السيارة يحتاجان إلى أكثر من مجرد معرفة أن في الصورة كوباً، بل إلى معرفة مكانه بالضبط وعلاقته بما حوله.

ويضرب البيان مثالاً واضحاً: عند الطلب من النظام تحديد "مقبض الكوب الموجود على اليمين"، عليه أن يجد الكوب الصحيح أولاً ثم الموضع الدقيق لمقبضه. ويعبّر GroundingPI عن هذه المعلومات بإحداثيات مكانية على شكل نقاط ومربعات تحيط بالأجسام.

والفكرة المختلفة هنا أن تدريب النموذج لم يعتمد على بيانات حركات الروبوت، بل على بناء فهم بصري أساسي يمكن أن تستند إليه لاحقاً أنظمة تعلم الحركة. وقد دُرّب على 11 فئة من قدرات الإدراك، منها كشف الأجسام، وتحديد مواقعها في المشاهد المزدحمة، وربط الوصف اللغوي بالجسم المقصود، وقراءة النصوص (OCR)، وفهم تخطيط المستندات، والتعرف على عناصر واجهات الاستخدام، وتحديد المواقع المكانية للروبوتات.

73.68 نقطة أمام 71.54 لنموذج GPT-6 Astra

قارن فريق البحث النموذج مع 44 نموذجاً مرجعياً عبر 34 اختباراً عاماً للإدراك تغطي الفئات الإحدى عشرة، مع وزن متساوٍ لكل فئة. وحقق GroundingPI أعلى نتيجة إجمالية بين هذه النماذج بمتوسط 73.68، مقابل 71.54 لنموذج GPT-6 Astra. وكان تفوقه أوضح في المهام التي تتطلب تحديداً دقيقاً لمواقع الأجسام، مثل المشاهد المعقدة المليئة بالعناصر أو الأهداف الصغيرة.

ويحرص البيان على وضع النتيجة في حجمها الحقيقي: المقارنة تخص اختبارات الإدراك المحددة فقط، ولا تمثل تقييماً أوسع للذكاء العام أو القدرة على التفكير. والرسالة الأساسية أن نموذجاً متخصصاً وصغيراً نسبياً قد يتفوق على نماذج عامة أكبر في مهام بصرية بعينها.

لوحة توضيحية لقدرات نموذج GroundingPI من إكس بينغ في قراءة النصوص وكشف الأجسام وتحديد المواقع للروبوتات
أمثلة من مهام النموذج تشمل قراءة اللافتات وعد الأجسام في المشاهد المزدحمة وإرشاد الروبوت إلى الغرض المطلوب (الصورة: XPeng)

نصف بيانات التدريب لنتائج أفضل

لم يكتف الباحثون باختبارات الإدراك، بل جربوا النموذج أساساً بصرياً لأنظمة التحكم في الروبوتات. ففي تجارب المحاكاة RoboCasa-GR1، حققت أنظمة التعلم الروبوتي المعتمدة على GroundingPI نسب نجاح أعلى في المهام باستخدام 50% فقط من بيانات العروض التوضيحية، مقارنة بالنماذج الأخرى التي دُرّبت على 75% منها. وهذه نقطة مهمة لأن تعليم الروبوت مهمة جديدة يحتاج عادة إلى كم كبير من العروض البشرية المكلفة.

وفي اختبارات RoboTwin 2.0 أظهر النموذج أداءً أقوى من أنظمة الرؤية الشائعة في أربع بيئات لم يتدرب عليها، أي عند تغيير الأجسام أو الخلفيات أو الظروف المحيطة، وهو ما يعرف بقدرة التعميم.

وماذا عن القيادة الذاتية؟

هنا يقترب البحث من عالم السيارات. فعند استخدام GroundingPI أساساً بصرياً على قاعدة بيانات nuScenes المعروفة في أبحاث القيادة الذاتية، بلغ متوسط خطأ التنبؤ بمسار الحركة في الاختبار المفتوح 0.296 متر وفق التقييم المنشور.

لكن إكس بينغ واضحة في حدود الإعلان: البحث ما زال استكشافياً، ونتائجه مبنية على محاكاة وتقييمات غير متصلة بالواقع، ولا تعني جاهزيته للاستخدام التجاري. كما تؤكد الشركة أن المشروع مساهمة بحثية أكاديمية، وأنه لا يمثل إعلاناً عن دمجه في منتجاتها التجارية أو التزاماً باستخدامه مستقبلاً.

مفتوح المصدر للباحثين

أتاح فريق البحث الورقة العلمية وأوزان النموذج والشيفرة البرمجية للعموم، وفق شروط التراخيص مفتوحة المصدر المعمول بها، عبر موقع المشروع ومنصتي GitHub وHugging Face، بهدف تشجيع الباحثين والمطورين على البناء عليه.

لماذا تهتم شركة سيارات بالروبوتات؟

تقدم إكس بينغ نفسها اليوم شركة "ذكاء اصطناعي فيزيائي" أكثر منها صانع سيارات تقليدياً، إذ تطور رقائق Turing للذكاء الاصطناعي ونماذج أساسية للعالم المادي، وتضم محفظتها سيارات كهربائية ذكية وسيارات أجرة ذاتية القيادة وروبوتات بشرية الشكل. ومن هنا يأتي الاهتمام بنموذج يحسن "رؤية" الآلة، لأن التقنية نفسها تخدم الروبوت والسيارة معاً. وفي عالم السيارات تواصل الشركة توسعها، كما في طلبات إكس بينغ GX الكبيرة في الشرق الأوسط التي قاربت 4,000 طلب وإطلاق مونا L05 بمدى يصل إلى 1,310 كم في الصين، بينما يتسابق منافسون عالميون على القيادة الذاتية، ومنهم تويوتا ووايمو بأسطول bZ4X ذاتي القيادة في اليابان.

الخلاصة

نموذج GroundingPI خطوة بحثية تراهن على أن الآلات تحتاج أولاً إلى رؤية دقيقة قبل التفكير والتخطيط. نتائجه في اختبارات الإدراك ومحاكاة الروبوتات واعدة، وإتاحته مفتوح المصدر تمنحه فرصة للانتشار بين الباحثين، لكنه يبقى حتى الآن بحثاً أكاديمياً لا تقنية جاهزة في سيارات إكس بينغ.

الأسئلة الشائعة

ما هو نموذج GroundingPI من إكس بينغ؟

نموذج أساسي مفتوح المصدر للإدراك البصري بنحو 4 مليارات معامل، يحدد الأجسام ومواقعها المكانية بدقة لخدمة الروبوتات والقيادة الذاتية، وطوره باحثون من إكس بينغ وجامعتي بكين وهونغ كونغ ومؤسسات أخرى.

هل تفوق GroundingPI على GPT-6 Astra؟

في تقييم فريق البحث عبر 34 اختباراً للإدراك، سجل 73.68 نقطة مقابل 71.54 لنموذج GPT-6 Astra، لكن المقارنة تخص مهام الإدراك فقط ولا تقيس الذكاء العام.

هل سيصل النموذج إلى سيارات إكس بينغ؟

لا يوجد إعلان بذلك، فالشركة تؤكد أن المشروع بحث أكاديمي ولا يمثل التزاماً بدمجه في منتجاتها التجارية.

كيف يساعد النموذج الروبوتات؟

في محاكاة RoboCasa-GR1 حققت الروبوتات المعتمدة عليه نجاحاً أعلى باستخدام 50% من بيانات التدريب مقارنة بنماذج أخرى استخدمت 75%، كما أظهر تكيفاً أفضل مع البيئات الجديدة في اختبارات RoboTwin 2.0.

القسم
موقعنا يستخدم ملفات تعريف الارتباط لتحسين تجربتك. اعرف المزيد
موافق
للأعلى