نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# يدرّب OGPO سياسات الروبوت على التعافي من أخطاء الحركة المحاكاة

> تحدّد طريقة تدريب دون اتصال تقدّم الروبوت على المسارات الحركية وتحسّن نتائج المناولة المحاكاة في ظل اضطرابات متعددة أثناء التنفيذ. ولم تُختبر موثوقيتها على روبوتات مادية بعد.

By BIG CHANGE Editorial

Published: 2026-10-12T08:04:09.296Z
Updated: 2026-10-12T08:04:09.296Z
Canonical: https://bigchange.ai/blog/ogpo-offline-vla-robot-recovery

![A conceptual robotic arm with an open gripper above a tipped orange block beside a shallow tray holding an upright block.](https://bigchange.ai/api/media/file/ogpo-recovery-concept-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. It does not depict an OGPO test or a physical deployment.

قد تواجه سياسة روبوتية دُرّبت على تقليد العروض الناجحة صعوبة عندما تفشل عملية إمساك أو يصل الذراع إلى موضع لم يشمله المسار المسجّل. وفي [ورقة بحثية بتاريخ 9 أكتوبر](https://arxiv.org/html/2610.12914)، يصف باحثون من الأكاديمية الصينية للعلوم وجامعة بكين طريقة لتدريب سياسات الرؤية واللغة والفعل (VLA) على تقدّم المهمة باستخدام مسارات الروبوت المتاحة. وقد حسّنت طريقتهم، المسماة Offline Goal-conditioned Policy Optimization (OGPO)، معدلات النجاح في اختبارات مناولة محاكاة تضمنت اضطرابات أثناء التنفيذ. ولا تذكر الورقة تطبيقاً على روبوت مادي أو إعادة إنتاج مستقلة للنتائج.

## التغيير الأبرز

- **ما الذي تغيّر:** يضع OGPO علامات على مراحل المسارات المسجّلة للروبوت باعتبارها حالات قابلة للتحقيق من تقدّم المهمة، ثم يستخدم تلك العلامات لمكافأة الأفعال التي تدفع السياسة نحو المرحلة التالية أثناء التدريب دون اتصال.
- **لماذا يهم ذلك:** قد تتاح لسياسة تعلّمت قيمة بلوغ حالة وسيطة خيارات أكثر عندما ينحرف الإمساك أو الحركة عن المسار المعروض. تختبر الورقة هذا الافتراض في المحاكاة، لكنها لا تثبت الموثوقية على روبوت مادي.
- **ما الذي ينبغي متابعته:** من شأن إعادة مستقلة للتجربة، ونتائج على أذرع مناولة مادية، ومهام لا يمكن تقسيم تقدّمها وفق أحداث القابض، أن توضح نطاق الطريقة.

## تعلّم التقدّم من المحاولات المسجّلة

يبدأ المؤلفون بعروض ناجحة ومسارات فاشلة. يقسم OGPO كل مسار عند تغيّر حالة القابض، مثل الفتح أو الإغلاق، ويعيّن هدفاً محلياً لكل مقطع. وتحصل المقاطع المكتملة على علامة إيجابية. ويضع نموذج للرؤية واللغة علامات تبيّن ما إذا كانت مقاطع المسارات الفاشلة قد حققت أهدافها المحلية؛ لذلك يمكن لمحاولة تنتهي بالفشل أن تقدّم دليلاً على التقدّم الوسيط. ويشرح [قسم المنهجية](https://arxiv.org/html/2610.12914) لدى المؤلفين عملية وضع العلامات وأهداف التدريب.

تنشئ العلامات مكافأة تدريب على الحركة نحو الحالات المكتملة، ومكافأة إضافية عند بلوغ إحداها، وعقوبة عندما لا يحقق مقطع هدفه. ويقدّر نموذج للقيمة الحالات المرصودة التي يعقبها تقدّم. ثم يمنح OGPO وزناً أكبر للأفعال المسجّلة ذات الأفضلية المقدّرة الأعلى، مع الإبقاء على الضبط الدقيق الخاضع للإشراف على العروض الناجحة بوصفه أساساً للأفعال. ويُستخدم الهدف المحلي لبناء المكافآت أثناء التدريب؛ فهو ليس مُدخلاً إضافياً للسياسة المنشورة أو لدالة القيمة الخاصة بها. ووفق تفاصيل التنفيذ في الورقة، يُستخدم نموذج القيمة أثناء التدريب.

يعالج هذا التصميم مشكلة محددة النطاق في التدريب بالتقليد. فنسخ فعل الخبير عند كل خطوة مسجّلة يعلّم النموذج ما حدث على ذلك المسار. ويحاول OGPO جعل النتائج الوسيطة مفيدة عندما تواجه السياسة انحرافاً قابلاً للتنفيذ. ويظل التعافي معتمداً على محتوى مجموعة البيانات الثابتة. ويحذر المؤلفون صراحة من أن الانحرافات الشديدة التي تتجاوز تلك البيانات قد تبقى بعيدة المنال.

## ما الذي تظهره المعايير المرجعية

اختبر المؤلفون OGPO على مجموعتي مناولة محاكاتين هما LIBERO وMetaWorld، باستخدام بنيتي VLA الأساسيتين π0 وπ0.5. وفي مقارنة LIBERO بالورقة، حقق خط الأساس π0.5 الخاضع للإشراف والقائم على عدد قليل من الأمثلة متوسطاً قدره **77.1%** لنجاح المهمة؛ وحققت السياسة الابتدائية نفسها مع OGPO متوسطاً قدره **97.1%**. وفي LIBERO-Long، ارتفعت النتيجة المعلنة من **43.9% إلى 93.2%**. وهذه معدلات نجاح للمهمة على المعيار والسياسة الابتدائية المحددين، وليست معدل نجاح عاماً للروبوتات.

اختُبر التعافي بصورة أكثر مباشرة في إعدادين للاضطراب. يغيّر LIBERO-Plus زاوية الكاميرا أو الحالة الابتدائية للروبوت أو التشويش البصري أو ترتيب الأجسام. أما امتداد LIBERO-ReAct الذي وضعه المؤلفون فيعطّل التنفيذ بضوضاء الأفعال، أو أمر معكوس للقابض، أو تغيير موضع المؤثر النهائي خلال فترة مختارة من 20 خطوة. وبالمقارنة مع خط الأساس π0.5 الخاضع للإشراف وبعدد الأمثلة الكامل في جدول المتانة، بلغ المجموع المركب لـ OGPO **81.8% مقابل 76.7%**. وعند عكس أمر القابض، كان النجاح **87.7% مقابل 76.8%**. أما الأداء مع تغيير زاوية الكاميرا فسار في الاتجاه المعاكس: من **62.8% لخط الأساس إلى 61.5% لـ OGPO**. ولذلك لا يشمل التحسن الإجمالي كل اضطراب.

كما حذف الباحثون أجزاء من وصفة التدريب. وتُظهر تحليلات الإزالة انخفاض الأداء عند حذف مكافأة الهدف الوسيط أو مكوّن التعزيز دون اتصال؛ كما يضر حذف المكوّن الخاضع للإشراف. ويساعد ذلك على تحديد مصدر المكسب ضمن إعداد المؤلفين، لكنه لا يشكل اختباراً مستقلاً للطريقة.

## الحد المتبقي

توفر تغيّرات القابض حدود المسارات في OGPO. ويقر المؤلفون بأن هذا قد لا يلائم جيداً المهام التي لا يرتبط تقدّمها بحدث طبيعي للقابض. كما يحددون الاعتماد على جودة البيانات غير المتصلة ونطاقها. والاختبارات المذكورة هي معايير مناولة محاكاة؛ ولا تقدم الورقة معدل إتمام مقاساً على روبوت مادي أو نتيجة عن السلامة التشغيلية.

تقدم الورقة للفرق التي تقيّم تدريب VLA دون اتصال مقارنة عملية: التدريب على المسارات المسجّلة نفسها، ثم اختبار إنجاز المهمة بعد انحرافات مضبوطة. وتأتي أقوى الأدلة من المناولة المحاكاة، ولا سيما اضطراب القابض أثناء التنفيذ. راجعت BIG CHANGE الورقة وجداولها المعلنة؛ ولم ندرب نموذجاً أو نختبر روبوتاً.

## المصادر ومواد إضافية للقراءة

- [ورقة OGPO، إصدار arXiv v1، 9 أكتوبر 2026](https://arxiv.org/html/2610.12914): المنهجية، وإعداد المعايير، والجداول الرئيسية، وتحليلات الإزالة، وتفاصيل التنفيذ والقيود المذكورة. ويقول سجل arXiv إن الورقة قُبلت في NeurIPS 2026. والنتائج من إعداد المؤلفين.
- [ملخص arXiv وسجل الإصدارات](https://arxiv.org/abs/2610.12914): العنوان والمؤلفون ووقت الإرسال وحالة الإصدار.
- [BIG CHANGE حول التخطيط البصري في H-JEPA](https://bigchange.ai/blog/h-jepa-hierarchical-world-model-visual-planning): أبحاث روبوتية ذات صلة بالتخطيط باستخدام نموذج عالمي هرمي. H-JEPA طريقة وورقة منفصلتان، وله أدلة تقييم مختلفة.

## Sources

- [OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models، النص الكامل بصيغة HTML](https://arxiv.org/html/2610.12914) — ورقة المؤلفين الأساسية. وتثبت الأقسام 3–5 والجداول 1–3 وتحليلات الإزالة والملحقان E–F المنهجية ونتائج المحاكاة والتنفيذ والقيود المذكورة. والنتائج من إعداد المؤلفين.
- [ملخص OGPO على arXiv وسجل الإصدارات](https://arxiv.org/abs/2610.12914) — العنوان والمؤلفون ووقت الإرسال وحالة v1 وتعليق arXiv الذي يذكر القبول في NeurIPS 2026.
- [BIG CHANGE: يحسّن H-JEPA التخطيط البصري في المهام المحاكاة باستخدام نموذج عالمي هرمي](https://bigchange.ai/blog/h-jepa-hierarchical-world-model-visual-planning) — طريقة روبوتية منفصلة لكنها ذات صلة وحدود الأدلة؛ للسياق فقط، ولا توجد علاقة followUpTo.