شرکت نوپای Mbodi با استفاده از شبکهای از عاملهای هوش مصنوعی (AI agents) راهکاری جدید برای تسریع و سادهسازی آموزش رباتها ارائه کرده است که قرار است بهعنوان یکی از 20 فینالیست بخش Startup Battlefield در TechCrunch Disrupt 2025 معرفی شود. این سیستم برای مواجهه با چالش بزرگ دنیای واقعی طراحی شده: هر حرکت یا وظیفه فیزیکی ربات به آموزش خاصی نیاز دارد و تغییرات محیطی مداوم، آموزش سریع و مقیاسپذیر را دشوار میکند.
چالش آموزش رباتها در دنیای واقعی
مشکل اصلی در آموزش رباتها این است که دنیای فیزیکی بیپایان و متغیر است؛ هر بار که یک چالش یا محصول جدید ظاهر میشود، دادههای قبلی بهتنهایی کفایت نمیکنند. بههمین دلیل بسیاری از شرکتها تلاش میکنند با مدلهای بزرگ جهان فیزیکی یا جمعآوری دادههای بیشتر، رباتها را سازگارتر کنند، اما تغییرات روزمره در خطوط بستهبندی و محیطهای صنعتی این رویکردها را ناکارا میسازد.
راهکار Mbodi: خوشهای از عاملهای هوش مصنوعی و پردازش ترکیبی cloud-to-edge
Mbodi یک سامانه ترکیبی cloud-to-edge ساخته است که بهراحتی در پشتههای فناوری رباتیک موجود ادغام میشود. ویژگی کلیدی این پلتفرم، استفاده از چندین عامل هوش مصنوعی است که در نقشهای مختلف با هم «ارتباط» برقرار میکنند، اطلاعات مورد نیاز را جمعآوری و وظایف پیچیده را به زیروظایف قابل اجرا تقسیم میکنند. کاربران کافی است با زبان طبیعی درخواست خود را مطرح کنند؛ سپس سیستم درخواست را شکسته، برای هر زیروظیفه بهترین مدل یا داده را انتخاب و آموزش ربات را بهسرعت انجام میدهد.
چرا این رویکرد مؤثر است؟
– تقسیم و ارکستراسیون وظایف: عاملها بهصورت توزیعشده کار را تقسیم میکنند تا فرآیند آموزش سریعتر و هدفمندتر شود.
– یادگیری از استفاده واقعی: پس از استقرار، سیستم از دادههای دنیای واقعی یاد میگیرد و بهتدریج عملکرد خود را بهبود میبخشد.
– سازگاری عملیاتی: با ترکیب پردازش ابری و محاسبات محلی (edge)، پاسخدهی سریع و قابلیت ادغام در خطوط تولید فراهم میشود.
سابقه و دستاوردها
مؤسسین Mbodi، خاویر چی و سباستین پرالتا، پیش از این بهعنوان مهندس در گوگل کار میکردند و ایده تأسیس این شرکت از درک این نکته شکل گرفت که پیشرفت هوش مصنوعی باید به دنیای فیزیکی منتقل شود اما روشهای موجود برای آموزش سریع رباتها ناکافی است. Mbodi در سال 2024 آغاز به کار کرد و در ابتدا تمرکز خود را بر وظایف «برداشت و بستهبندی» قرار داد. این شرکت برنده یک رقابت استارتاپی در حوزه رباتیک شد و اکنون با یک شرکت بزرگ از فهرست Fortune 100 در حوزه کالاهای مصرفی (CPG) روی یک Proof of Concept همکاری میکند تا نشان دهد چگونه میتوان رباتها را در محیطهایی که محصولات و آرایش قفسه روزانه تغییر میکنند، مستقر کرد.
نقش در صنعت و افق پیش رو
برای شرکتهای CPG که عملیات بستهبندی آنها روزانه تغییر میکند، امکان برنامهریزی مجدد مداوم رباتها وجود ندارد و در نتیجه هنوز بخش بزرگی از کارها به نیروی انسانی واگذار میشود. Mbodi ادعا میکند راهکارش میتواند این خلا را پر کند و از سال 2026 برنامهریزی برای استقرار گستردهتر نرمافزار را در نظر دارد. همانطور که خاویر چی میگوید: «ما نمیخواهیم یک آزمایشگاه پژوهشی باشیم؛ میخواهیم محصولی بسازیم که قابل استقرار و مطمئن باشد.»
جمعبندی
راهکار Mbodi نمونهای از تلاشهای نوظهور برای انتقال توانمندیهای هوش مصنوعی از فضای دیجیتال به کاربردهای فیزیکی است؛ ترکیب عاملهای هوش مصنوعی، پردازش cloud-to-edge و یادگیری مبتنی بر دادههای واقعی میتواند مسیر جدیدی برای اتوماسیون قابلانعطاف و مقرونبهصرفه در خطوط تولید و بستهبندی ایجاد کند. نمایش این تکنولوژی در TechCrunch Disrupt 2025 فرصت مناسبی برای ارزیابی عملیاتی شدن این رویکرد و جلب توجه سرمایهگذاران و مشتریان صنعتی خواهد بود.