# SimVLA يتيح تدريب الروبوتات من المحاكاة دون أمثلة واقعية

> أظهر باحثون أن نموذجًا للرؤية واللغة والفعل، دُرّب على بيانات اصطناعية فقط، يستطيع تنفيذ مهام التلاعب بالأشياء والتنقل داخل منازل حقيقية.

Oossa · 2026-10-09 · https://oossa.com/ar/simvla-enables-zero-shot-robot-learning-from-simulation

أطلق فريق بقيادة كيونغين بايك SimVLA، وهو إطار لتدريب نماذج الرؤية واللغة والفعل (VLA) بالكامل على بيانات روبوتية محاكاة. يبدأ النظام التعلم من مجموعتي بيانات محاكاتين كبيرتين: SimAction، التي تغطي 35 مهمة للتنقل والتلاعب بالأشياء، وSimVQA، التي تضيف إشرافًا تفصيليًا يجمع بين الصور واللغة. وبعد تدريب إضافي على مسارات تنفيذ محاكاة، اختُبر SimVLA في مهام واقعية، مثل إعادة ملء الأرفف وسكب السوائل والتنظيف. وفي هذه الاختبارات، تفوق على سياسات دُرّبت باستخدام 50 عرضًا توضيحيًا من العالم الحقيقي، ما يشير إلى أن المحاكاة قد تغني عن جمع بيانات واقعية مكلفة.

## الحقائق

- تغطي SimAction 35 مهمة للتنقل والتلاعب بالأشياء
- تفوق SimVLA على سياسات دُرّبت باستخدام 50 عرضًا توضيحيًا واقعيًا من المجال نفسه

## لماذا يهم

إذا تمكنت الروبوتات من التعلم بالاعتماد على المحاكاة وحدها، فقد يطوّر المصنعون مساعدين منزليين بسرعة أكبر وبتكلفة أقل.

## المصادر والمراجع

1. [SimVLA: Zero-Shot Sim-to-Real VLA Learning for Mobile Manipulation](https://arxiv.org/abs/2610.11248) – arXiv cs.RO, 2026-10-09

آخر تحديث: 2026-10-09