إصدار VLA الجديد من شياوبنغ يطلق في سبتمبر: يتذكر 30 ثانية من الماضي ويتنبأ بـ 6 ثوانٍ من المستقبل، ليبدأ القيادة عبر "الزمن"

في فيلم "الدكتور سترينج"، يقوم الدكتور سترينج بتدوير عين أغاموتو لجعل الزمن يتدفق للأمام أو للخلف، وفي "المنتقمون 3"، رأى مسبقاً عدة مستقبلات محتملة قبل مواجهته مع ثانوس.

هذا هو سحر الأفلام، ولكنه أيضاً الواقع الذي تقدمه شياوبنغ.

في 27 أغسطس، عقدت شياوبنغ جلسة مشاركة للذكاء الاصطناعي الفيزيائي، وعرضت في الوقت نفسه النسخة الجديدة كلياً من الجيل الثاني لنظام VLA. كانت الكلمة الرئيسية الأبرز في هذا اللقاء هي "الزمن"، حيث أضافت شياوبنغ "عين أغاموتو" إلى النموذج الموجود في السيارة: بالتدوير للخلف، يمكن استرجاع العالم في آخر 30 ثانية، وبالتدوير للأمام، يبدأ التنبؤ بما سيحدث في الـ 6 ثوانٍ القادمة.

لا تمتلك السيارة حجر الزمن، ولكنها مدعومة بنماذج كبيرة، حيث يقوم النموذج بناءً على المعلومات المتراكمة في الفترة الماضية بحساب عدة حالات لاحقة ذات احتمالية أعلى، ثم اختيار الإجراء للحظة الحالية. بالنسبة للقيادة الذكية، فإن امتلاك "ذاكرة الخط الزمني" يمكن أن يجلب عمليات أكثر شبهاً بالبشر.

عندما يقود الإنسان، فإنه لا ينظر فقط إلى الإطار الحالي، بل يحكم على حالة الطريق خلفه بناءً على ذاكرته في الثواني القليلة الماضية، كما يتنبأ بالدراجات الكهربائية الصغيرة التي قد تظهر بعد بضع ثوانٍ بناءً على تباطؤ السيارة الأمامية والمنعطفات على جانب الطريق. بمعنى ما، لا تحدث القيادة على الطريق فحسب، بل تحدث أيضاً في الزمن.

النسخة الجديدة 6.3.0 من الجيل الثاني لنظام VLA من شياوبنغ هي نموذج يقود في تدفق الزمن.

سيبدأ نظام VLA الجديد في الإصدار لجميع طرازات Ultra و Ultra SE في سبتمبر، حيث سيتم تجهيز طرازي شياوبنغ G9L Ultra و Ultra SE به أولاً، بينما ستحصل طرازات Max أحادية شريحة تورينغ على النسخة المقطرة VLA Lite من الجيل الثاني في سبتمبر أيضاً.

لا يوجد إجاب أحادي الإطار في القيادة

الفكرة الأساسية لشياوبنغ حول نظام VLA الجديد هذه المرة هي ربط الماضي والحاضر والمستقبل معاً.

يتولى Infini-VLA تذكر الماضي. يمكن لبنيته التحتية دعم تسلسل زمني أطول، ومع مراعاة مهام القيادة وحجم الحوسبة على الجهاز، قامت شياوبنغ بضبط الذاكرة التاريخية في نسخة الإنتاج الضخم على 30 ثانية. وهذا يعني أنه يمكنه تذكر حالة الطريق في الـ 30 ثانية الماضية وإدخالها في الحكم الحالي.

عرضت شياوبنغ في اللقاء مقطع فيديو توضيحي، عندما كانت السيارة الأمامية تدور في منتصف الطريق، ظهر مساحة يمكن المرور بها خلف جسم السيارة، لم تتسارع سيارة الاختبار على الفور، بل دمجت عملية الحركة السابقة، وانتظرت إكمال السيارة الأخرى لدورانها قبل المضي قدماً. ما يفهمه النموذج هو السلوك المستمر بأن "السيارة الأمامية تدور"، وليس فقط إطار "ظهور مساحة أمامية".

يشبه هذا إلى حد ما الذاكرة قصيرة المدى للإنسان عند التحدث مع الآخرين، فالإنسان لا ينسى الجملة السابقة عند سماع كل جملة، ولا ينسى السائق أن السيارة الأمامية اتخذت إجراءات الاستعداد للدوران قبل ذلك لمجرد أنها تعترض الطريق في هذه اللحظة.

إذا كان Infini-VLA يجعل السيارة لا تنسى السياق السابق، فإن "الاستدلال الانحداري الذاتي المتدفق" (Streaming Inference) مسؤول عن تقصير وقت فهم السيارة للحاضر. وفقاً لتفسير شياوبنغ، يمكن للنموذج الحصول على المدخلات والاستدلال وإخراج المسار في نفس الوقت، دون الحاجة إلى الانتظار حتى يفهم تمامًا فترة من التاريخ قبل بدء الإجراء. البيانات التي قدمتها شياوبنغ تظهر أن هذا الاستدلال المتدفق قد عزز سرعة اتخاذ القرار بنسبة 300%.

وبالمثل، يشبه هذا قيادة الإنسان للسيارة، حيث تنظر العين إلى الطريق، ويحكم الدماغ، وتقوم الأطراف بالعمليات في وقت واحد. عندما يظهر هدف فجأة من منطقة محجوبة، يمكن لهذه المعالجة المتوازية تقليل الفجوة الزمنية لانتظار اكتمال الاستدلال.

تذكر الماضي، والتركيز على الحاضر، يتطلب بطبيعة الحال النظر إلى المستقبل أيضاً. وبالتالي، في النسخة الجديدة من VLA، سيقوم X-Foresight بالاستدلال لـ 6 ثوانٍ في المستقبل بناءً على الحالة التاريخية، وسيقوم Flow Matching بمطابقة توزيعات المسارات المحتملة المتعددة لمساعدة النموذج في اختيار الإجراء الأنسب.

المصطلحات غامضة وصعبة الفهم، ولكن التأثير الذي تجلبه واضح جداً. من خلال المراقبة المستمرة لحالة الطريق الحالية، تقوم نسخة VLA الجديدة بالتنبؤ بالمواقف التي لم تحدث ولكن قد تحدث، واتخاذ القرار التالي. و"القيادة الدفاعية" التي يذكرها السائقون المخضرمون غالباً في الحياة الواقعية هي في جوهرها نوع من التنبأ.

في الفيديو المعروض، احتلت سيارة بيضاء قادمة من الاتجاه المعاكس المسار العكسي. كان على سيارة الاختبار أن تحكم ما إذا كان الطرف الآخر يستعد للانتظار، أو الاستمرار في التقدم، أو ترك جزء من المساحة، ثم استنتاج ما إذا كان تقدمها في هذه اللحظة سيغلق طريق السيارتين. رؤية مكان الطرف الآخر هي الخطوة الأولى فقط، وفهم ما سيقوم به هو ما يحدد العملية التالية.

الذاكرة الماضية والاستدلال المستقبلي يخدمان في النهاية كل عملية تسارع وتباطؤ وتوجيه، مما يتيح للإصدار 6.3.0 من الجيل الثاني VLA "التدفق في الزمن".

الدخول إلى العالم الحقيقي

هناك العديد من المصطلحات في مخطط البنية، ولكن بالعودة إلى المنتج، لا يزال يتعين على VLA مواجهة العديد من المشاكل على الطرق الواقعية، وإجابة شياوبنغ هي استخدام نموذج أكبر، حيث قامت هذه المرة بتوسيع حجم معاملات النموذج بمقدار 3.5 ضعف.

في مقطع فيديو تم تشغيله خلال اللقاء، وصلت سيارة الاختبار إلى محطة العبارات. لا توجد خطوط مسار واضحة في العبارة، والرصيف ليس طريقاً عادياً، ولكن بالاعتماد على تفكير النموذج نفسه، وجدت السيارة المدخل بنفسها وصعدت إلى العبارة وتوقفت خلف السيارة الأمامية، وبعد رسو العبارة، غادرت مع تدفق السيارات.

حدث فيديو آخر على طريق جبلي ضيق، بعد منعطف حاد، ظهر غصن شجرة معلق أمام الطريق، لم تعتبره السيارة عائقاً عادياً على الطريق وتتوقف في مكانها، ولم تتقدم مباشرة نحو الفجوة التي تبدو أنها لا تزال بها مساحة، بل تباطأت بنشاط، وراقبت العلاقة بين الغصن وجسم السيارة أثناء البحث عن مساحة يمكن المرور بها.

المثير للاهتمام، قبل أيام قليلة، قادت سيارة تسلا تعمل بنظام FSD v14.3.7 في مبنى موقف سيارات سكني في الولايات المتحدة من الطابق الثاني إلى الطابق السادس، وحاولت الاستمرار في العثور على طريق نحو شبكة الأسلاك المعدنية في الطابق العلوي، لحسن الحظ، سيطر المالك على السيارة عند الاقتراب من الشبكة ولم تسقط.

في مثل هذه "الحالات الاستثنائية" (corner case)، أصدر نظام VLA من شياوبنغ ونظام FSD أحكاماً مختلفة، فالنموذج لا يحتاج فقط إلى رؤية المساحة، بل يجب أن يكون قادراً على فهم ما إذا كان ذلك طريقاً أم لا.

العبارة والغصن تنتمي إلى مشاهد نادرة جداً، وهذا هو بالضبط سبب إصرار شياوبنغ على توسيع النموذج. يمكن للنظام الذي يعتمد على القواعد الثابتة استهداف الأرصفة، أو قطعان الأغنام، أو العواصف المطيرة، أو كل نوع جديد...