في عالم التكنولوجيا المتطورة، يقف نموذج سونك (SONIC) كخطوة بارزة نحو إحداث ثورة في كيفية تحكم الروبوتات البشرية في الحركات. على الرغم من انتشار نماذج الأساس التي تحتوي على مليارات المعلمات المُدربة عبر آلاف وحدات معالجة الرسوميات (GPUs)، إلا أن التحسينات المشابهة لم تتحقق في مجال تحكم الروبوتات الإنسانية حتى الآن. حاليًا، تظل أنظمة التحكم العصبي للروبوتات البشرية محدودة الحجم، وتركز على مجموعة سلوكيات ضيقة، ويدرب أغلبها على عدد قليل من وحدات الـGPU.

يعتمد البحث الجديد الذي تم تقديمه على زيادة سعة النموذج والبيانات والحوسبة بشكل كبير، مما يؤدي إلى إنشاء نموذج تحكم عام للروبوتات البشرية قادر على أداء حركات طبيعية ومستقرة للجسم بالكامل. يعتبر تتبع الحركة الآن مهمة قابلة للتطوير لتحكم الروبوتات، حيث يتم استغلال الإشراف الكثيف من بيانات التقاط الحركة المتنوعة لاكتساب أولويات الحركة البشرية دون الحاجة إلى هندسة مكافآت يدوية.

لقد تم بناء نموذج أساسي لتتبع الحركة عبر ثلاثة محاور: حجم الشبكة (من 1.2 مليون إلى 42 مليون معلمة)، حجم بيانات التدريب (أكثر من 100 مليون إطار من 700 ساعة من التقاط الحركة)، والحوسبة (21 ألف ساعة GPU). ورغم التحديات، يظهر هذا النموذج فوائد كبيرة في التوسع، ويعزز الأداء من خلال التخطيط الحركي في الوقت الحقيقي الذي يربط بين تتبع الحركة والمهام مثل التنقل، مما يمكّن من تحكم تفاعلي وطبيعي.

عبر هذه الواجهة، أظهر الباحثون كيفية إجراء عمليات تنقل وصناعية كاملة جسدياً باستخدام أنظمة تعتمد على الرؤية واللغة والإجراء بنموذج سياسة واحدة. يعتبر هذا إنجازًا كبيرًا حيث يُظهر نموذج سونك قدرة على تحسين التحركات المعقدة، مثل التنسيق بين اليد والقدم في الحركات.

إن زيادة قدرتك على تتبع الحركة تكشف عن خصائص ملائمة؛ إذ يتحسن الأداء تدريجيًا مع زيادة البيانات وتنوعها، وتعميم السياسات المكتسبة على الحركات غير المُعترَف بها مسبقًا، مما يرسّخ تتبع الحركة كقاعدة عملية للتحكم في الروبوتات الإنسانية.