چگونه AI و LLM در حال تغییر شکل رباتیک هستند

نویسنده (ها): adit sheth

در ابتدا منتشر شده در به سمت هوش مصنوعیبشر

چگونه AI و LLM در حال تغییر شکل رباتیک هستند — روبات های رنگارنگ انسان دوستانه ، با استفاده از هوش مصنوعی در دستگاه ، از طریق همکاری یکپارچه انسان در ساخت و ساز انقلابی ایجاد می کنند.

سالها ، وعده روبات ها به طور یکپارچه در زندگی روزمره ما ادغام می شدند و صنایع مانند یک رویای علمی علمی تخیلی احساس می کردند. با این حال ، در چشم چشم ، پیشرفت های سریع در هوش مصنوعی (AI) و مدل های بزرگ زبان (LLMS) این چشم انداز را به یک واقعیت ملموس تبدیل می کنند. دو هفته گذشته (تقریباً در اواسط ژوئن تا اوایل ژوئیه 2025) به ویژه تحول آمیز بوده و آینده ای را نشان می دهد که AI فقط محدود به صفحه نمایش نیست بلکه به طور جدی در دنیای فیزیکی کمک می کند ، استدلال می کند و سازگار می شود.

این فقط مربوط به شگفتی تکنولوژیکی نیست. این در مورد چگونگی آمادگی این نوآوری های پیشگامانه برای تأثیرگذاری بر جوامع متنوع – از کارگران کارخانه و متخصصان لجستیک گرفته تا مصرف کنندگان روزمره است. بیایید به برخی از قانع کننده ترین تحولات اخیر در روباتیک هوش مصنوعی بپردازیم.

I. روباتیک جمینی Google در دستگاه: رها کردن استقلال روبات واقعی

یکی از مهمترین و هیجان انگیزترین پیشرفت های اخیراً این است که روباتیک جمینی Google DeepMind در دستگاهبشر این نوآوری که در اواخر ژوئن سال 2025 راه اندازی شد ، نشان دهنده تغییر محوری در نحوه عملکرد روبات ها است. برای اولین بار ، مدل های بسیار پیشرفته و بینایی-اکشن-اکشن (VLA) می توانند اجرا شوند مستقیما در سیستم عامل های روباتیک ، کاملاً آفلاین ، نیاز به اتصال مداوم به اینترنت یا استنتاج ابر را از بین می برد.

پیش از این ، بسیاری از سیستم های پیشرفته روباتیک AI به ارسال داده ها به سرورهای ابر قدرتمند برای پردازش اعتماد داشتند. در حالی که مؤثر است ، این رویکرد محدودیت های ذاتی را معرفی می کند: تأخیر (تأخیر در پاسخ) ، اعتماد به اینترنت پایدار و نگرانی های مربوط به حریم خصوصی داده ها ، به ویژه در محیط های حساس مانند خانه ها یا بیمارستان ها. رباتیک جمینی در دستگاه اساساً این الگوی را تغییر می دهد.

بهینه سازی شده برای سخت افزار کم کار ، این مدل روی دستگاه قابلیت های پیشرفته ای را که به طور معمول با LLM های بزرگتر و مبتنی بر ابر همراه است ، حفظ می کند. روبات های مجهز به این فناوری اکنون می توانند انجام دهند:

زبان طبیعی درک: تفسیر دستورات صوتی پیچیده مانند “لطفاً آچار آبی را از قفسه بالا به من تحویل دهید.”
اجرای کار چند مرحله ای: تجزیه یک دستورالعمل فراگیر به دنباله ای از اقدامات کوچکتر و قابل کنترل.
دستکاری پیچیده: دست زدن به اشیاء ظریف و انجام کارهای پیچیده با دقت قابل توجه ، همانطور که توسط نمونه هایی مانند لباس تاشو ، کیسه های فشرده شده و مونتاژ قطعات مکانیکی نشان داده شده است.

مزایای فوری عمیق است:

زمان پاسخ سریعتر: روبات ها می توانند نسبت به محیط و دستورات انسانی خود تقریباً فوراً واکنش نشان دهند ، برای ایمنی و کارآیی در تنظیمات پویا بسیار مهم هستند.
حریم خصوصی داده های پیشرفته: داده های حساس بصری یا محیطی را می توان به صورت محلی پردازش کرد ، و نیاز به انتقال آن به سرورهای خارجی را به میزان قابل توجهی کاهش می دهد و از این طریق حریم خصوصی را تقویت می کند.
قابلیت اطمینان بهبود یافته: عملیات در برابر قطع شبکه یا کندی کمتر آسیب پذیر می شود و باعث می شود روبات ها در برنامه های مهم و مکان های از راه دور قابل اعتماد تر شوند.

Google DeepMind ساخته شده است SDK برای روباتیک جمینی در دستگاه در دسترس آزمایش کنندگان قابل اعتماد ، توانمندسازی جامعه گسترده تری از توسعه دهندگان برای ساخت و استقرار برنامه های پیشرفته روباتیک. این توانایی برای اجرای AI قدرتمند به طور مستقیم بر روی ربات ، همراه با قابلیت های سازگاری سریع (نیاز به تعداد کمی از 50 تا 100 تظاهرات برای تنظیم دقیق کارهای جدید) ، یک گام مهم در جهت روبات های واقعاً خودمختار و پاسخگو است.

نوآوری برای جامعه: پیامدها در بخش های متعددی وجود دارد. برای ساخت و تدارکات، روبات های خودمختار هم اکنون می توانند با بهره وری بی سابقه و کاهش اعتماد به کنترل متمرکز ، انبارهای پیچیده و خطوط تولید را هدایت کنند. در مراقبت های بهداشتی، روبات های کمکی می توانند با افزایش حریم خصوصی و پاسخگویی در زمان واقعی ، کارهای حساس مراقبت از بیمار را انجام دهند. برای مصرف کننده، این فناوری راه را برای روبات های باهوش تر ، پاسخگوتر و واقعاً مفید در خانه ها هموار می کند ، و وظایفی را که قبلاً برای یک واحد خودمختار غیرقابل تصور بود ، انجام می دهد. این پارادایم را به سمت روبات های مستقل ، سازگار و مستقل از اینترنت تغییر می دهد ، یک جهش محوری برای آینده هوش مصنوعی فیزیکی.

ii. روبات های انسانی وارد کارخانه می شوند: حرکت جسورانه Foxconn و Nvidia

در حالی که روباتیک جمینی در دستگاه ، مرزهای اطلاعات شخصی ربات را تحت فشار قرار می دهد ، یکی دیگر از اطلاعیه های مهم اخیر به یک تغییر گسترده تر و گسترده در صنعت اشاره دارد: برنامه های Foxconn و Nvidia برای مستقر کردن روبات های انسانی در خطوط تولید سرور AIبشر گزارش ها از اواخر ژوئن سال 2025 حاکی از آن است که این روبات های شبیه به انسان می توانند در اوایل سه ماهه اول سال 2026 ، در کارخانه جدید فاکسن هیوستون کمک کنند.

این همکاری به دلایل مختلف یک نقطه عطف مهم است:

استقرار مقیاس اول: این یکی از اولین ادغام های برنامه ریزی شده روبات های انسانی در یک فرآیند تولید فناوری پیشرفته در چنین مقیاس قابل توجهی است ، به خصوص برای تولید زیرساخت های مهم هوش مصنوعی مانند سرورهای GB300 نسل بعدی Nvidia.
کار پیچیده کار: بنا بر گزارش ها ، Foxconn این روبات ها را برای کارهایی مانند دست زدن به مورد ، وصل کردن کابل و مونتاژ آموزش داده است – کار این امر به درجه بالایی از مهارت و دقت نیاز دارد که به طور سنتی توسط کارگران انسانی انجام می شود.
پلت فرم رباتیک Nvidia: Nvidia ، ارائه دهنده پیشرو در محاسبات هوش مصنوعی ، همچنین یک بازیگر اصلی در روباتیک است و سیستم عامل های قدرتمندی مانند آن را ارائه می دهد nvidia isaac gr00t n1.5، یک الگوی بنیاد باز برای استدلال و مهارت های ربات انسانی عمومی. این مشارکت از نظر استراتژیک از تخصص آنها برای تسریع در استقرار روبات های هوشمند در یک محیط صنعتی خواستار استفاده می کند. GR00T N1.5 خود ، که در ماه مه 2025 به روز شده است ، به دنبال زبان بسیار بهبود یافته است (93.3 ٪ میزان موفقیت در روبات های انسانی واقعی برای دستورالعمل های خاص ، از 46.6 ٪ در نسخه های قبلی) ، راندمان بهتر داده ها برای آموزش و تعمیم برتر به اشیاء و محیط های جدید.

نوآوری برای جامعه: این همکاری نشانگر شتاب ملموس در پذیرش روباتیک پیشرفته در است تولیدبشر برای مشاغل ، این امر نوید افزایش بهره وری ، بهبود ایمنی در محیط های خطرناک و امکان مقیاس تولید کارآمدتر برای برآورده کردن تقاضای سخت افزاری هوش مصنوعی است. برای نیروی کار، این امر بر تحول در حال تحول مشاغل در تولید ، تغییر از کار صرفاً دستی به نقش هایی که شامل نظارت ربات ، برنامه نویسی و نگهداری است ، تأکید می کند. این امر نیاز به فزاینده به مهارت های جدید و برنامه های آموزشی را برای آماده سازی کارگران برای این دوره جدید از همکاری های انسانی-روتوت برجسته می کند ، با تأکید بر اینکه این روبات ها به جای اینکه کاملاً جایگزین شوند ، توانایی های انسانی را در کوتاه مدت افزایش می دهند.

iii چشم انداز گسترده تر: LLMS به عنوان “مغز” روبات ها

این اعلامیه های اخیر از Google و مشارکت Foxconn-Nvidia نشانگر یک روند بزرگتر و عمیق است: ادغام LLM ها به عنوان “مغز” شناختی برای روبات ها. LLMS ، با توانایی بی نظیر آنها در درک زبان طبیعی، پاسخ های منسجم ایجاد کنید و مقادیر زیادی از اطلاعات را پردازش کنید ، به طور فزاینده ای برای تقویت روبات ها با هوش سطح بالاتر استفاده می شود.

این تغییر اساسی توسط نوآوری در سراسر صفحه هدایت می شود و روبات ها را قادر می سازد:

دستورات پیچیده و مبهم را تفسیر کنید: با استفاده از دستورالعمل های سفت و سخت و از پیش برنامه ریزی شده ، LLMS به کاربران این امکان را می دهد تا دستورات زبان طبیعی مانند “تمیز کردن اتاق نشیمن را تمیز کنند و همه چیز را در جایی که متعلق به آن است” قرار دهند ، با تکیه بر هوش مصنوعی ربات برای تفسیر “پاکسازی” و “جایی که متعلق به آن است” بر اساس درک آموخته شده خود از محیط.
استدلال و برنامه ریزی چند مرحله ای را انجام دهید: LLMS می تواند اهداف انتزاعی را در مراحل کوچکتر و قابل کنترل تجزیه کند و حتی در صورت تغییر شرایط ، برنامه های خود را در زمان واقعی تطبیق دهد (به عنوان مثال ، اگر یک شی درخواست درخواست شده جایی که انتظار می رود ، ربات می تواند یک استراتژی جستجوی جدید را استنباط کند). این توانایی برای روبات هایی که در محیط های غیرقابل پیش بینی در دنیای واقعی کار می کنند بسیار مهم است.
تعمیم در وظایف: بر خلاف روبات های قدیمی که برای هر کار جدید نیاز به برنامه ریزی مجدد گسترده داشتند ، روبات های دارای LLM می توانند از پایگاه دانش گسترده و توانایی های استدلال خود برای تعمیم و سازگاری با موقعیت های ناآشنا با حداقل آموزش اضافی استفاده کنند ، به طور قابل توجهی زمان و هزینه استقرار را برای برنامه های جدید کاهش می دهند.
تعامل انسان-ربات را بهبود بخشید: LLMS ارتباطات طبیعی تر و بصری تر را تسهیل می کند ، به روبات ها اجازه می دهد تا به روزرسانی های واضح را ارائه دهند ، سؤالات شفاف را بپرسند و حتی ترجیحات را از طریق مکالمه یاد بگیرند ، و همکاری های انسانی را یکپارچه تر و مؤثرتر می کند. به عنوان مثال ، زیمنس با قابلیت های جدید هوش مصنوعی و روباتیک برای وسایل نقلیه هدایت شده خودکار ، تولید خودمختار را پیش می برد و کف کارخانه های پویا و انعطاف پذیر تر را قادر می سازد.

پایان

این همگرایی AI ، LLMS و روباتیک فیزیکی برای تعریف مجدد صنایع بی شماری آماده است. از تقویت کار انسانی در محیط های خطرناک گرفته تا ارائه کمک های شخصی در خانه ها و مراکز درمانی ، برنامه های بالقوه بی حد و حصر هستند. سرعت سریع نوآوری در دو هفته گذشته نشان می دهد که دوران هوشمند هوشمند و از نظر جسمی دیگر یک رویای دوردست نیست ، بلکه یک واقعیت به سرعت در حال آشکار است. از آنجا که ما همچنان شاهد این قابلیت های قدرتمند هستیم ، تمرکز به طور فزاینده ای به چگونگی ادغام ما با مسئولیت پذیری آنها برای ایجاد آینده ای تبدیل می شود که انسان ها و ماشین های هوشمند بتوانند در کنار هم رشد کنند.

منابع

راه اندازی روباتیک Gemini Google DeepMind’s Gemini

استقرار روبات Humanoid Foxconn و Nvidia

NVIDIA ISAAC GR00T N1.5 و متن گسترده تر روباتیک

منتشر شده از طریق به سمت هوش مصنوعی

منبع: https://towardsai.net/p/l/how-ai-and-llms-are-reshaping-robotics