في عالم الأنظمة الذكية المجسدة، يمثل وحدة التحكم في الحركة حلقة الوصل الحيوية بين التفكير الدلالي والتنفيذ الفيزيائي. لقد حرصت التطورات في التحكم البشري على الاستفادة من بيانات حركة البشر الكبيرة ونماذج تتبع الحركة. ومع ذلك، تواجه الروبوتات الرباعية معوقات جوهرية في إنتاج بيانات الحركة؛ إذ تظل بيانات الحركة الحيوانية نادرة، وتبقى عمليات إعادة توجيه الجسم عبر الأبعاد صعبة التنفيذ.

نقدم لكم ABot-C0، نظام تحكم عام متخصص في الروبوتات الرباعية، الذي يؤسس ثلاثة أسس سلوكية متكاملة: أولا، خط أنابيب متعدد المصادر لبيانات الحركة يوفر قابلية التوسع، ثانيا، تعلم سياسات قوي عبر تتبع الحركة والتنقل والتفاعل مع المشهد، وأخيرا، كومة نشر موحدة تضمن عملًا موثوقًا في العالم الحقيقي.

بشكل أساسي، قمنا ببناء هرم بيانات عبر تخليق الفيديو المشروط، وتقنيات التقاط الحركة المعلّمة، والتشغيل عن بُعد، وتصميم الإنسان، مما نتج عنه 16,074 مقطع حركة قابل للتطبيق جسديًا، تشكل أساسًا لاحتياجات التعلم الحركي المتنوعة. ثم قمنا بتدريب سياسة تدعى Flow-Matching، تُظهر لأول مرة قانون تمدد تتبع الحركة الرباعي، حيث يتحسن أداؤها باستمرار مع زيادة التدريب، مع القدرة على تتبع حركات غير معروفة في البيئات المختلفة.

نحن نقدم خطوة إضافية لتحسين التنقل على جميع التضاريس من خلال تبني إطار ذو ثلاث مراحل يركز على تحويل البيانات من مراكز الاستشعار إلى بيانات قابلة للإدراك، مدعومًا بذاكرة زمنية تعتمد على LiDAR وإشراف تنبؤي حول التضاريس. مجتمعة، هذه المكونات تُشكل عملاً لدينا لتنسيق تنفيذ سياسات متعددة، وتحقيق انتقالات سلسة، والتحكم بكفاءة في الطاقة، وآليات أمان لنشره في العالم الحقيقي. تجارب موسعة على التنقل الذاتي عبر تضاريس المدن والتفاعل متعدد الأوضاع تُظهر أن الروبوتات الرباعية تتحرك إلى ما هو أبعد من العروض الوظيفية الأحادية نحو الذكاء السلوكي على مستوى المنتج.