مرحبًا بكم في عصر الذكاء الاصطناعي المُجسَّد: نقدم لكم AA-Robotics v0.1
Artificial Analysisجميع المقالات 14 أكتوبر 2026مرحبًا بكم في عصر الذكاء الاصطناعي المُجسَّد: نقدم لكم AA-Robotics v0.1 نطلق اليوم AA-Robotics v0.1، وهي معاينة بحثية منّا تقيس أداء نماذج اللغة الرائدة
مرحبًا بكم في عصر الذكاء الاصطناعي المُجسَّد: نقدم لكم AA-Robotics v0.1
نطلق اليوم AA-Robotics v0.1، وهي معاينة بحثية منّا تقيس أداء نماذج اللغة الرائدة في الفهم والتخطيط والتنفيذ في العالم المادي. في v0.1، يُمنح كل نموذج تحكمًا في ذراع روبوتية ذات 6 محاور (5 مفاصل وقابض) وهدفًا بسيطًا. نُصدر اليوم نتائج مهامّنا الثماني الأولى.
منذ بداية عام 2026، حققت نماذج اللغة الرائدة تقدمًا هائلًا في قدرتها على التحكم في الذراع الروبوتية. نؤمن الآن بأن مستقبل الروبوتات من المرجح أن يتضمن وكلاء عامين قويين، ونخلص إلى أن تتبع تقدم نماذج اللغة في مهام الروبوتات سيكون أمرًا مهمًا - حتى لو كانت نماذج اللغة الرائدة غير مناسبة وحدها للاستخدام الإنتاجي في الروبوتات.
AA-Robotics v0.1 هي معاينتنا البحثية لأبسط تجربة صممناها لاختبار هذا - نماذج لغة ضمن أطر وكلاء البرمجة تتحكم مباشرة في ذراع روبوتية. يُمنح كل نموذج تحكمًا في ذراع روبوتية ذات 6 محاور (5 مفاصل وقابض) وهدفًا بسيطًا لكل مهمة.
وجدنا أن نماذج اللغة الرائدة ضمن أطر وكلاء البرمجة أصبحت فعلًا في الآونة الأخيرة قادرة على التلاعب المباشر بالذراع الروبوتية لمهام بسيطة. لكنها اليوم بطيئة ومكلفة للغاية بالنسبة لأي نوع من الاستخدام الإنتاجي - إذ تقل أداءً بنحو رتبتين عن خطوط الأساس البشرية. نتوقع أن يتغير هذا بسرعة.
حلّ GPT-6 Astra في المرتبة الأولى في AA-Robotics v0.1 بنتيجة 69، يليه GPT-6.1 Sol وGemini 4 Argon وClaude Opus 5.5 وClaude Fable 5.1. استغرق GPT-6 Astra 30 دقيقة وكلف 16.36 دولارًا في المتوسط لكل مهمة.
نتيجة AA-Robotics
متوسط النتيجة لكل مهمة (من 0 إلى 100) · جميع المهام
تُقيَّم كل محاولة من 100: إتمام المهمة يحقق 100، وتكسب النتيجة الجزئية نقاطًا مقابل التقدم المحرز.
المهام الثماني
تتضمن AA-Robotics v0.1 في بدايتها ثماني مهام على سطح الطاولة، مصممة على غرار الأنشطة اليومية، لتقييم مجموعة من قدرات الروبوتات: التحكم والبراعة، مثل الإمساك بالأشياء والتعامل معها بدقة، والاستدلال المكاني، مثل فهم كيفية تفاعل الأشياء مع بعضها، والتكيف، التي تقيس كيفية استجابة النماذج لما هو غير متوقع.
تُقيَّم كل محاولة من 100: إتمام المهمة يمنح 100، وتكسب النتيجة الجزئية نقاطًا مقابل التقدم المحرز.
تعمل نماذج GPT في Codex، ونماذج Claude في Claude Code، وGemini 4 Argon في Antigravity، وكلها بإعداد الجهد العالي.
المهمة
النموذج
اضغط الزر باستخدام القابض.
درجة كاملة في 2:12
0:00 / 0:00حركة فقط
كيف يعمل AA-Robotics
تعمل النماذج في حاوية معزولة مع تعليمات موجزة: كيفية الوصول إلى الذراع الروبوتية (عبر واجهة HTTP بسيطة)، وأي ذراع هي (ذراع Hiwonder NexArm، دون مواصفات إضافية)، وكيفية تقديم محاولة كمكتملة. ويمكنها مشاهدة المشهد عبر أربع كاميرات، ثلاث منها مثبتة حول الطاولة وواحدة على معصم الذراع، ويمكنها كتابة وتشغيل التعليمات البرمجية في الحاوية لتخطيط الحركات وإرسالها.
بعد أن يقدّم النموذج مهمة للمراجعة، تُقيَّم الحالة النهائية وفقًا لمعايير نجاح المهمة. يمنح النجاح درجة 100، مع منح نقاط عن النجاح الجزئي في حال عدم إكمال المهمة. وجميع محاولات المهام تكون zero-shot.
الوقت والتكلفة
نماذج اللغة اليوم أبطأ بنحو 100 مرة من الإنسان على AA-Robotics v0.1، إذ تستغرق حوالي نصف ساعة لكل مهمة مقارنة بمتوسط بشري قدره 20 ثانية. وبشكل إجمالي، أربعة من النماذج الخمسة المختبرة تبدو متشابهة، بحوالي 30 دقيقة لكل مهمة، بينما Gemini 4 Argon هو الأبطأ بـ 52 دقيقة. ومع ذلك، تخفي هذه المتوسطات فروقًا كبيرة بين المهام.
ضغط GPT-6 Astra الزر الأحمر في 2.2 دقيقة، في حين أمضى Claude Fable 5.1 نحو عشر دقائق في الفهم والتخطيط قبل أول إجراء. جاءت أكبر فروق في مهمة وضع التمساح، حيث أعلن GPT-6.1 Sol اكتماله بعد خمس دقائق، مقابل 45 لـ Claude Opus 5.5، وهو فرق بتسعة أضعاف. وعبر جميع المهام، كان Gemini 4 Argon الأبطأ في التصرف، إذ أمضى في المتوسط 21 دقيقة في الملاحظة والتفكير قبل أول إجراء، أي ما يقارب ضعف أي نموذج آخر.
الوقت لكل مهمة
متوسط الوقت لكل مهمة (دقائق) · جميع المهام
نقاط AA-Robotics مقابل الوقت لكل مهمة
متوسط الوقت لكل مهمة (دقائق) · جميع المهامالربع الأكثر جاذبيةحد باريتو للنماذج
الفجوة بين البشر والنماذج أضيق من حيث التكلفة: فالنموذج الأكثر فعالية من حيث التكلفة يكلف نحو عشرة أضعاف ما يكلفه شخص يتقاضى متوسط الأجر بالساعة في الولايات المتحدة، مقابل ما يقارب 100 ضعف في الوقت. وبين النماذج، يعد GPT-6.1 Sol الأرخص، بتكلفة $1.93 لكل مهمة في المتوسط، بينما يعد GPT-6 Astra الأغلى بتكلفة $16.36، أي أكثر من ثمانية أضعاف Sol، مقابل نتيجة أعلى بأربع نقاط فقط (69 مقابل 65). ونظراً لحداثة الذراع والمشهد، والحجم الكبير من المعلومات البصرية التي يجب على النماذج معالجتها، فإن معظم التكلفة تقع على المدخلات: 70% من الإنفاق يذهب إلى السياق.
التكلفة لكل مهمة
متوسط التكلفة لكل مهمة (دولار أمريكي) · جميع المهام
نقاط AA-Robotics مقابل التكلفة لكل مهمة
متوسط التكلفة لكل مهمة (دولار أمريكي) · جميع المهامالربع الأكثر جاذبيةحد باريتو للنماذج
تكلفة الإنسان هي وقت المهمة اليدوي المسعّر بمعدل $37.81 لكل ساعة، وهو متوسط الأرباح بالساعة لجميع العاملين في الرواتب الخاصة غير الزراعية في الولايات المتحدة (مكتب إحصاءات العمل الأمريكي، بيانات أولية لشهر سبتمبر 2026).
كيف أمضى كل نموذج وقته
كما هو متوقع، تنفق النماذج جزءًا كبيرًا من وقت المهمة الأولي في معايرة الذراع وفهم المشهد، وتواصل ذلك حتى تنفيذ أول إجراء. بعد هذه النقطة، يُقضى معظم الوقت في تخطيط الحركة، مع حركات ذراع قصيرة ودقيقة نسبيًا بين كل خطوة تخطيط أطول. أما مشاهدات الكاميرات وكتابة الملاحظات فتمثل نسبًا صغيرة نسبيًا من الوقت الإجمالي.
واللافت أن النماذج غالبًا ما تواصل تحسين محاولاتها بعد وقت طويل من الوصول إلى حالة ناجحة. فمثلاً، يبني GPT-6.1 Sol برجًا ناجحًا بعد نحو 17 دقيقة، ليخفق في المهمة لاحقًا. ويبقى أن نرى كيف ستتحسن قدرة النماذج على التفكير في إتمام المهام في الفضاء المادي.
نسبة وقت المحاولة حسب النشاط
نسبة وقت المحاولة (%) · جميع المهام
فهم المشهد والذراع والحركة
تخطيط الحركات
مراجعة الكاميرات
حركة الذراع
أخرى
Gemini 4 Argon42%45%6%6%419 دقيقةClaude Fable 5.133%37%9%18%249 دقيقةClaude Opus 5.521%45%9%23%253 دقيقةGPT-6 Astra20%59%6%13%242 دقيقةGPT-6.1 Sol17%61%6%13%224 دقيقة
تغطي فئة "أخرى" انتظار تشغيل الكود، وكتابة الملاحظات، والتقرير النهائي.
يُسند وقت التفكير والأدوات لكل خطوة إلى نشاط واحد بناءً على الكود والصور والرسائل؛ وحركة الذراع هي الوقت الذي كانت الذراع تنفذ فيه أمرًا.
أوقات أنشطة Gemini 4 Argon تقديرية: فبرنامج Antigravity لا يضع طابعًا زمنيًا لكل خطوة، لذا تُوزَّع الخطوات بين أوامر الذراع، التي تُوقَّت بدقة، بما يتناسب مع رموزها.
النشاط عبر كل تشغيل
الدقائق منذ بداية التشغيلالمهمة
0:00 منقضية0 من 5 مكتملة
فهم المشهد والذراع والحركة
تخطيط الحركات
مراجعة الكاميرات
تحرك الذراع
أخرى
الإجراء الأول
الوصول الأول إلى حالة النجاح
خطأ غير قابل للاسترداد
تشمل الفئة الأخرى الانتظار أثناء تشغيل الشيفرة، وتدوين الملاحظات، وكتابة التقرير النهائي.
الإجراء الأول هو أول ضغطة أو إمساك أو دفع أو صبّ أو خطّة قلم في الجلسة.
الخطأ غير القابل للاسترداد يعني أن النموذج لم يعد بإمكانه تحقيق العلامة الكاملة.
تم تقدير أوقات نشاط Gemini 4 Argon: لا يسجّل Antigravity طابعًا زمنيًا لكل خطوة، لذلك تُوزَّع الخطوات بين أوامر الذراع، التي تُقاس بدقة، وبالتناسب مع عدد الرموز الخاصة بها.
الدقة الفيزيائية
كان الإمساك والتحكم الدقيق مهارتين رئيسيتين للاختبار في AA-Robotics v0.1، إذ يشيران ليس فقط إلى مهام تحكم أكثر دقة، بل والأهم من ذلك إلى استخدام الأدوات والنطاق الأوسع بكثير من القدرات التي يفتحها.
حققت GPT-6 Astra وClaude Fable 5.1 أفضل أداء بأعلى نسبة من المحاولات الناجحة (~45%)، مما يدل على درجة من التحكم الدقيق، في حين سجّلت GPT-6.1 Sol أسوأ نتيجة عند 28%. وجاء Gemini 4 Argon في المنتصف بنسبة 36%، وكثير من إخفاقاته كانت تنتهي فوق المكعب الذي كان يتوجه إليه أو بجانبه مباشرةً.
جرت محاولات الإمساك في مهام Place Crocodile وPour Drink وTidy Box وMatch Shapes وBuild Tower وMeasure Box. يُعرَّف النجاح بأنه الإمساك بالجسم المقصود طوال رفعه أو حمله، ويُعد الفائت أو الجزئي أو لجسم خاطئ حيث لم يُغلق القابض على الجسم، أو أغلقه ثم انزلق الجسم أو سقط أو تعذّر رفعه، أو التقط جسمًا آخر عن طريق الخطأ.
جدار الأخطاء
مرّر المؤشر فوق مقطع لمعرفة ما الذي حدث خطأً، وانقر على المقطع لتكبيره. لقد ميّزنا بعض أمثلتنا المفضلة!
