robots تواجه صعوبة في أداء المهام المعقدة في العالم الحقيقي بسبب تقلبات البيئة واحتياجات الدقة والتفاعل الدقيق. لتحقيق قدرات أشبه بالبشر، تركز أبحاث نيفيديا على تطوير نماذج عصبية متقدمة لتحسين تعلّم الروبوتات. في مؤتمر CoRL 2025، كشفت نيفيديا عن ثلاث ابتكارات رئيسية تُحدث ثورة في تعلّم الروبوتات: أولًا، NeRD، نموذج ديناميكي متعلم يُستخدم لتوقع حالة الروبوت في المستقبل تحت تأثير التلامس والConstraints. بدلًا من الاعتماد على المحاكاة التقليدية التي تُعاني من تبسيط الديناميات، يُستخدم NeRD لمحاكاة ديناميكية معقدة بدقة عالية، خاصةً للروبوتات ذات درجات الحرية العالية مثل أيونيال. يعتمد النموذج على تمثيل فضائي متماسك يعزز كفاءة التدريب والتعميم، ويُدمج بسهولة في أنظمة محاكاة مثل NVIDIA Warp وستُستخدم لاحقًا في محرك فيزياء نيوتن. تم تدريبه على 100 ألف مسار عشوائي، ويُظهر دقة عالية تقل عن 0.1% في الخطأ التراكمي على مسارات طويلة، مع نقل ناجح من المحاكاة إلى الواقع دون تعديلات كبيرة. ثانيًا، RSE (الاستكشاف المرجعي)، منهجية موحدة تُمكّن الروبوتات من تعلّم المهارات اليدوية من بيانات حركة الإنسان (MoCap). بدلًا من تقسيم العملية إلى خطوات متعددة تؤدي إلى تراكم الأخطاء، تدمج RSE التحوير والتعقب في حلقة واحدة، حيث تُعتبر التمثيلات البشرية دليلًا ناعمًا لا مُثَلًا صارمًا. هذا يسمح للروبوت باكتشاف استراتيجيات تناسب هيكله الجسدي. يُستخدم نموذج تحكم مبني على الحالة لتعلم المهارات، ثم يُحوّل إلى سياسة توليدية تعتمد على الصور العميقة والهدف المحدد، مما يُمكّن الروبوت من التلاعب بالأشياء ببيانات جزئية. حققت هذه الطريقة نجاحًا بنسبة 20% أكثر على يد روبوت Inspire، وتفوقت على جميع الطرق البديلة. ثالثًا، VT-Refine، إطار عمل مبتكر يدمج الرؤية واللمس لتحسين التجميع ثنائي اليدين. يبدأ بجمع 30 مثالاً واقعيًا بسيطًا، ثم يُستخدم لتدريب سياسة تعلم بالانعكاس (diffusion policy) في بيئة رقمية دقيقة. يُحسّن النموذج عبر التعلم المعزز في محاكاة متوازية، باستخدام نموذج لمس مدعوم بتقنية TacSL، مما يُمكّن من محاكاة حساسية اللمس بدقة عالية. تشمل الملاحظات: السحابة النقطية من الكاميرا، بيانات اللمس، وموضع المفاصل. أظهرت النتائج تحسنًا بنسبة 20% في الأداء البصري و40% عند دمج اللمس، مع تقليل بسيط في نقل المحاكاة إلى الواقع (5-10%)، لكنه مقبول مقابل التحسن الكبير في النجاح. هذه الابتكارات تُظهر كيف تُسهم النماذج العصبية في تضييق الفجوة بين الروبوتات والبشر، من خلال تحسين المحاكاة، وتبسيط تعلّم المهارات من البشر، ودمج الحواس الحسية. تُعد هذه الخطوات جزءًا من جهود نيفيديا لدفع حدود الذكاء الاصطناعي المادي، مع دعوة للمهندسين والباحثين لاستكشاف الأبحاث في مؤتمرات CoRL وHumanoids في سيول، ومشاركة في تحدي BEHAVIOR 2025، الذي يختبر المهارات المنزلية عبر 50 مهمة و10,000 مثال مُنظّر.