تسقط تفاحة فولاذية. ولا يزال الروبوت يثق بالصورة.

ملاحظة بحثية يومية · مسودة بحث

قد تبدو التفاحة آمنة وهي من فولاذ، وقد يبدو السندان مخيفاً وهو من رغوة. يضع ReactHuman هذا التعارض أمام نموذج متعدد الوسائط، ويطلب فعلاً فورياً من روبوت، ثم ينفذ الخطة في محاكاة أجسام صلبة بتردد 240 هرتز. يعجبني الجزء المزعج: يجب أن تصل الإجابة إلى مكان، لا أن تبدو صحيحة فقط.

النتيجة المهمة

اختبر المؤلفون سبعة نماذج لغوية متعددة الوسائط. ويبلغون عن إخفاق في نحو خطر من كل ثلاثة. شملت الأخطاء أنماط حركة ثابتة والثقة بالمظهر أكثر من الحركة وضياع نقطة الاعتراض بمسافات مترية حتى مع اختيار الفعل الصحيح. لم يتحسن الأداء بوضوح مع الحجم. هذه نتائج مسودة وليست أداءً ميدانياً مستقلاً.

لماذا يفشل تقييم النص

التقط الطبق فعل لغوي، وليس مساراً. الاستجابة تحتاج توقيتاً ومدى وصول وكتلة وسرعة وهندسة اصطدام وكلفة للخطأ. تنفيذ الخطة يكشف هذه الاختيارات. وتختبر الأجسام المضللة هل يتبع النموذج إشارات الفيزياء أم قاعدة السندان ثقيل.

فحص اعتراض بسيط

يوضح الكود الأصلي حداً واحداً: يجب بلوغ نقطة التلامس قبل الاصطدام. إنه شرح لا تطبيق ReactHuman ولا إعادة للمعيار ولا متحكماً روبوتياً.

def reachable_before_impact(hand, target, t_impact, max_speed):
    distance = ((target.x-hand.x)**2 + (target.y-hand.y)**2 +
                (target.z-hand.z)**2) ** 0.5
    arrival = distance / max_speed
    return {"reachable": arrival < t_impact,
            "arrival_s": arrival, "impact_s": t_impact}

يوضح مثال ReactHuman حداً في التصميم؛ ليس دليلاً مقاساً ولا تنفيذ المصدر ولا برنامجاً جاهزاً للإنتاج.

اختبار تكرار واقعي

في الاختبار المقترح، ثبّت الهندسة والحركة. قارن تفاحة عادية وأخرى فولاذية وسندان رغوة وآخر حقيقياً عبر تسلسلات كاميرا متكررة. سجّل الفعل ونقطة التماس ووقت الوصول والاصطدام ومؤشر الإصابة. تغيير الكتلة يجب أن يؤثر؛ تغيير الملمس وحده لا ينبغي أن يقود الخطة. هذه معايير اختبار، لا نتائج جديدة.

تحليل جاك

أكثر ما يهمني هو الالتزام: تتحول الإجابة إلى حدث. بعد ذلك أختبر عدم اليقين والامتناع. قد يحتاج روبوت المنزل إلى التراجع أو التحذير أو التوقف بدلاً من محاولة التقاط هشة. احسب الإدراك والاستدلال والتحكم وتأخير المشغلات ضمن الزمن. خطة تنجح فقط حين تنتظرها اللقطة ليست بعد رد فعل آمناً.

الحدود وعدم اليقين

البحث مسودة arXiv قُدمت في 9 سبتمبر 2026. تمنح المحاكاة قابلية التكرار، لكن الضوضاء والمحركات والبشر أعقد في المنزل. لا تثبت المواد المتاحة أن الكود والمشاهد أعيدت مستقلاً. «واحد من ثلاثة» يلخص مجموعة المؤلفين وليس معدل فشل عالمي للروبوتات.

الخلاصة

لا تسأل فقط هل اختار الروبوت الفعل الصحيح. نفذ المسار. قس أين تصل اليد ومتى وما الذي تصطدم به. ثم بدّل المظهر دون الفيزياء والفيزياء دون المظهر. نموذج يفشل في هذه المبادلات لا يؤتمن قرب سكين ساقط.

arXiv abstract · Full preprint · Author-linked summary