1/ الجميع يتسابق لبناء ذكاء اصطناعي يتحكم في مفاصل وعضلات الروبوتات. تقريبا لا أحد يطرح سؤالا مختلفا: ماذا يحدث عندما تمنح وكيل ذكاء اصطناعي وصولا إلى روبوت بنفس الطريقة التي يصل بها إلى متصفح الويب أو محرر الشيفرة، كأداة؟ هاتان معمارتان مختلفتان تماما. إليك سبب أهمية كلاهما:

2/ VLA وVLMs يحققون تقدما مذهلا في التحكم بالروبوتات منخفضة المستوى. رؤية للداخل، أوامر حركية خارجة. من البداية إلى النهاية. لكن هناك طبقة أخرى تحظى باهتمام أقل. إنها "توزيع المهام الموسيقية". ليس "تحريك المفصل من 3 إلى 45 درجة" بل "اذهب وتحقق مما إذا كان الطرد وصل إلى الباب الأمامي وأخبرني بما ترى". (تفكير عالي المستوى) التخطيط. السياق. ذاكرة. التفكير متعدد الخطوات. تحديد القدرات التي ستستخدم وبأي ترتيب.

3/ فكر في كيفية عمل البشر. المخيخ لديك يتعامل مع التوازن والتنسيق الحركي. لا تفكر في الأمر. القشرة الجبهية الأمامية لديك تتولى التخطيط، أي "أحتاج أن آخذ مفاتيحي، ثم أقفل الباب، لكن أولا أتحقق مما إذا كان الموقد مطفأ". موجة VLA "من المحتمل" تبني مخيخات أفضل. لكن الروبوت يحتاج أيضا إلى شيء يمكنه التخطيط، والتذكر، وطرح الأسئلة، وشرح ما يفعله. هذه ليست نهجا متنافسا. هما طبقتان مختلفتان من نفس المجموعة.

4/ كنا نجرب ربط وكلاء نماذج اللغة الكبيرة بروبوتات ROS2 الحقيقية. ليس التحكم في المفاصل، بل إعطاء الوكيل أدوات لنشر المواضيع، والاتصال بالخدمات، وقراءة الحساسات. ما فاجأنا هو السلوك الناشئ. يفحص العميل الكاميرا قبل أن يبحر. يراقب البطارية أثناء المهمة ويعدل. يسأل: "هناك جسمان بالقرب من الأريكة ... أي واحد؟" عندما تكون التعليمات غامضة. لم يبرمج أحد أيا من ذلك. هذا يخرج من المنطق بشكل طبيعي.

5/ إليك شيئا لم نتوقعه: يتضح أن نظام الأنواع في ROS2 قابل للقراءة بالصدفة عبر نماذج اللغة الكبيرة (LLM). عندما يرى الوكيل "/cmd_vel" (geometry_msgs/msg/Twist) أو "/navigate_to_pose" (NavigateToPose)، فإنه يعرف بالفعل ما تعنيه. لا يوجد قائمة بيان. لا يوجد ملف قدرات. فقط تسلمه رسم الموضوع الحي للروبوت ويعرف ما يمكن أن يفعله الروبوت. يصبح نظام ROS2 بأكمله مكتبة أدوات يمكن للوكيل تصفحها.