(SeaPRwire) – وان تشاي، هونغ كونغ، 03 أبريل 2026 — بينما تزداد قدرة وكلاء الذكاء الاصطناعي على التعامل مع المهام الرقمية، يظهر عنق زجاجة جديد بوضوح: تمكين انتقالهم إلى تنفيذ وظيفي فعال في العالم الحقيقي
هذا هو الأساس الذي تقوم عليه DeepMirror، وهي شركة ناشئة تضع نفسها كطبقة وقت تشغيل للذكاء الاصطناعي المادي. تقول الشركة إنها قامت بدمج OpenClaw مع روبوت Unitree، مما يمثل خطوة مبكرة نحو تحويل الوكلاء متعددي الأغراض إلى أنظمة قادرة على الإدراك والحركة والتنفيذ والتعافي في بيئات العالم الحقيقي.
سد “فجوة الواقع”
الادعاء المطروح هنا أكبر من مجرد عرض تجريبي لروبوت واحد. تقول DeepMirror إن نقطة التحكم المهمة المقبلة في مجال الروبوتات قد لا تكون النموذج نفسه، أو حتى الأجهزة، بل طبقة وقت التشغيل التي تربط بين الاثنين.
من وجهة نظرها، أصبحت الوكلاء مثل OpenClaw أكثر قدرة بشكل متزايد على فهم الأهداف، وتخطيط المهام، واستدعاء الأدوات. لكن هذا المنطق لا يترجم بشكل طبيعي إلى كفاءة مادية في المنزل أو المكتب أو أي بيئة مادية أخرى. يجب على الروبوت في العالم الحقيقي التعامل مع فئة مختلفة تمامًا من المشكلات. يحتاج إلى معرفة موقعه، وما يراه، وما إذا كانت المهمة قد اكتملت بالفعل، وما الذي تغير في البيئة، وماذا يفعل عند حدوث خطأ. يجب عليه التعامل مع الأشخاص المتحركين، والمسارات المسدودة، وعمليات الإمساك الفاشلة، والأفعال غير المكتملة.
على عكس البرامج، لا يأتي التنفيذ المادي بزر تراجع سهل الاستخدام. هذه هي الطبقة التي تقول DeepMirror إنها تريد استحواذها.
من سير العمل الرقمي إلى التنفيذ المادي
ساعد OpenClaw في انتشار واجهة مختلفة للوكلاء من خلال نقلهم خارج الطرفية إلى سير عمل محادثي أكثر شيوعًا. بدلاً من أن يتصرف كأداة مطور، يمكن تكليف هذا النظام بلغة طبيعية، وتشغيله لفترات طويلة، والحفاظ على السياق، ومراقبة المهام بشكل مستمر، وإرسال النتائج بشكل استباقي.
لكن هذا النوع من بنية الوكلاء لا يزال يقتصر في الغالب على العالم الرقمي. رهان DeepMirror هو أنه لكي يصبح الذكاء الاصطناعي المادي مفيدًا على نطاق واسع، تحتاج الوكلاء إلى طبقة وقت تشغيل يمكنها ترجمة النوايا عالية المستوى إلى تنفيذ مادي ذي حلقة مغلقة.
بدلاً من مطالبة الطبقة العليا بإدارة الحركة، والإدراك، وتخطيط الحركة، أو منطق التحكم الخاص بالأجهزة، تريد الشركة أن يصدر الوكيل الهدف ويسمح لطبقة وقت التشغيل بالتعامل مع الباقي. من الناحية العملية، هذا يعني أن الوكيل في الطبقة العليا يجب أن يكون قادرًا على قول شيء مثل “اذهب وتحقق مما إذا كان الموقد مغلقًا”، أو “أحضر لي العنصر الموجود على الطاولة”، دون الحاجة إلى فهم SLAM، دمج المستشعرات، قياس المسافة، أو تسلسل الأفعال على مستوى الأجهزة.
التجريدات الأربعة للتنفيذ
تصف DeepMirror بنيتها بأنها مكدس أسفل وقت تشغيل الوكيل. في الأعلى يقع OpenClaw، الذي يتعامل مع النوايا، والتخطيط، والتنسيق، واستخدام الأدوات. أسفله يوجد وقت التشغيل المادي لـ DeepMirror، الذي يتعامل مع التنفيذ في العالم الحقيقي. تقسم الشركة طبقة التنفيذ هذه إلى أربع تجريدات:
- الفهم الدلالي: ترجمة النوايا باللغة الطبيعية إلى أهداف آلية قابلة للتنفيذ.
- التنقل المكاني: التنقل في البيئات الديناميكية ذات العقبات المتحركة.
- توليد الإجراءات الديناميكية: التعامل مع معالجة الكائنات في الوقت الفعلي.
- دعم تعدد الأجسام الروبوتية: السماح لنفس منطق الوكيل بالتشغيل عبر أجهزة روبوت مختلفة، من الروبوتات الرباعية الأرجل إلى الروبوتات الشبيهة بالبشر.
بعبارة أخرى، تريد الشركة السماح لمنطق وكيل واحد في الطبقة العليا بالعمل عبر أنواع متعددة من الروبوتات دون إجبار المطورين على إعادة بناء النظام بالكامل لكل منصة أجهزة. إذا نجح هذا، فسيجعل طبقة وقت التشغيل ذات أهمية استراتيجية.
الموثوقية والذاكرة
لا يزال الكثير من برامج الروبوتات اليوم مرتبطًا بشكل وثيق بآلة معينة، أو مستشعرات معينة، أو سير عمل ضيق للمهام. تحاول DeepMirror جعل هذه الطبقة أكثر عمومية. تقول الشركة إن وقت التشغيل الخاص بها مصمم لجعل التنفيذ المادي قابلاً للمراقبة، وقابلاً للإيقاف، وقابلاً للتعافي، مع الحفاظ على الحالة وقيود السلامة أثناء إكمال المهمة.
كما تركز الشركة على الذاكرة. وفقًا لها، يجمع نظامها بين طبقة معرفية حية، وذاكرة مكانية، وذاكرة زمنية. الفكرة هي إعطاء الوكيل أكثر من مجرد خط إدراك لمرة واحدة. بدلاً من مجرد التعرف على كائن في إطار واحد، يحتفظ النظام بتتبع مكان الكائنات، وما حدث في وقت سابق من المهمة، ولماذا فشل إجراء سابق، وكيف ترتبط البيئة الحالية بالمحاولات السابقة.
هذا مهم لأن الكثير من الأسباب التي تؤدي إلى تعطل أنظمة الروبوتات لا تأتي من الإجراء الأول. بل تأتي من كل ما يحدث بعد تغير البيئة.
بروتوكول تحكم أصيل للوكلاء
على مستوى التحكم، تقول DeepMirror إنها قامت ببناء ما تسميه “Agent-Native Robot Control Protocol.” تصف الشركة هذا النظام بأنه نظام تنفيذ يعتمد على الأهداف بدلاً من نظام أوامر مباشر. بدلاً من إرسال تعليمات محرك خام من الأعلى، يرسل الوكيل النوايا، والقيود، والسياق، ويحول وقت التشغيل ذلك إلى مهارات ووحدات وإجراءات أجهزة مع الحفاظ على حلقات التغذية الراجعة ومسارات التراجع.
الطبقة الوسطى الاستراتيجية
يصبح هذا التأطير أكثر صلة بالموضوع كلما بدأت المزيد من شركات الذكاء الاصطناعي في النظر إلى ما هو أبعد من أتمتة المتصفحات ومساعدي الترميز نحو الروبوتات والأجهزة وغيرها من أنظمة العالم الحقيقي.
السؤال الأوسع للسوق هو ما إذا كانت الطبقة الفائزة في الذكاء الاصطناعي المادي ستكون النموذج الأساسي، أو صانع الروبوتات، أو مكدس التنفيذ بينهما. من الواضح أن DeepMirror تراهن على الخيار الثالث. لا يزال دمج Unitree لدى الشركة في مرحلة مبكرة، لكنه يشير إلى طموح أكبر: أن تصبح طبقة وقت التشغيل التي تسمح للوكلاء متعددي الأغراض بالعمل بشكل موثوق في العالم المادي، بغض النظر عن جسم الروبوت الموجود أسفله.
إذا كان وكلاء الذكاء الاصطناعي سينتقلون من كونهم برامج مفيدة إلى مشغلين ماديين فعالين، فقد تنتهي هذه الطبقة الوسطى إلى كونها ذات أهمية كبيرة.
الاتصال: YAN QINRUI qinrui.yan@looper-robotics.com
يتم توفير المقال من قبل مزود محتوى خارجي. لا تقدم SeaPRwire (https://www.seaprwire.com/) أي ضمانات أو تصريحات فيما يتعلق بذلك.
القطاعات: العنوان الرئيسي، الأخبار اليومية
يوفر SeaPRwire تداول بيانات صحفية في الوقت الفعلي للشركات والمؤسسات، مع الوصول إلى أكثر من 6500 متجر إعلامي و 86000 محرر وصحفي، و3.5 مليون سطح مكتب احترافي في 90 دولة. يدعم SeaPRwire توزيع البيانات الصحفية باللغات الإنجليزية والكورية واليابانية والعربية والصينية المبسطة والصينية التقليدية والفيتنامية والتايلندية والإندونيسية والملايو والألمانية والروسية والفرنسية والإسبانية والبرتغالية ولغات أخرى.