آموزش یک ربات واقعی فقط با یک پرامپت؛ شاهکار جدید انویدیا و ایجنت هرمس

جنسن هوانگ، مدیرعامل انویدیا، سخنرانی اصلی خود در رویداد GTC برلین ۲۰۲۶ را با نمایشی جذاب به پایان رساند؛ او با استفاده از Hermes Agent، بستر ایجنتی متن‌باز نوس ریسرچ (Nous Research) با مجوز MIT، یک چرخه کامل روباتیک را ایجاد و اجرا کرد. هوانگ تنها با ارسال یک پرامپت ساده، یک نمونه اختصاصی از هرمس را نصب و پیکربندی کرد و سپس مأموریتی دشوارتر به آن سپرد: آموزش یک ربات دوپا برای عبور از مسیری پر از مانع که پیش از این هرگز با آن روبه‌رو نشده بود.

نمایش هوانگ نشان داد که این ایجنت چطور مسیر موانع را طراحی می‌کند، محیط شبیه‌سازی آن را در انویدیا ایزاک سیم (NVIDIA Isaac Sim) می‌سازد، وظایف آموزشی را به پردازنده‌های گرافیکی ابری می‌فرستد، سیاست رفتاری (Policy) حاصل را به‌صورت محلی ارزیابی کرده و در نهایت آن را روی ربات «میکروداک» (Microduck) هاگینگ فیس مستقر می‌سازد. در ادامه، چهار ربات میکروداک روی صحنه به او پیوستند و به دستورهایی نظیر نشستن، ایستادن و دراز کشیدن پاسخ دادند.

این هماهنگی پیچیده به‌طور کامل و محلی روی یک لپ‌تاپ NVIDIA RTX Spark اجرا شد. زیرساخت ابری توان محاسباتی آموزش موازی را تأمین کرد، در حالی که سیستم محلی به مدیریت مدل‌ها، ابزارها، خروجی‌ها و ارزیابی نهایی پرداخت. این تفکیک وظایف به‌خوبی نشان می‌دهد که چگونه یک دستگاه در رده لپ‌تاپ می‌تواند چرخه‌ای از یادگیری تقویتی شامل هزاران آزمون شبیه‌سازی‌شده را هدایت و کنترل کند.

هرمس زنجیره ابزارها را هدایت کرد

هرمس چندین مدل و ابزار مهندسی را با یکدیگر هماهنگ کرد و هر مرحله را به مؤلفه متناسب با آن سپرد. طبق نمایش ارائه‌شده در این مراسم، این فرآیند مراحل زیر را دنبال کرد:

دستورالعمل عمومی میکروداک که توسط هاگینگ فیس و انویدیا منتشر شده، جزئیات فنی این فرآیند را فاش می‌کند. این سیاست رفتاری یک بردار مشاهداتی ۶۱ متغیره شامل وضعیت لحظه‌ای ربات را دریافت می‌کند و ۱۴ موقعیت هدف برای مفاصل تحویل می‌دهد. فرآیند آموزش روی سطوح ناهموار همراه با شبیه‌سازی لقی مفاصل (Backlash) انجام می‌شود و می‌تواند به‌سرعت ۱٫۲۵ میلیون گام شبیه‌سازی در هر ثانیه برسد.

آموزش مدل در برابر زمین‌های ناهموار و نقص‌های مکانیکی به سیاست رفتاری کمک می‌کند تا در انتقال از شبیه‌سازی به سخت‌افزار واقعی — پدیده‌ای که در مهندسی «شکاف شبیه‌سازی تا واقعیت» (sim-to-real gap) نامیده می‌شود — تاب بیاورد و موفق عمل کند. البته بازآفرینی این فرآیند همچنان به فایل‌های سازگار، توابع پاداش دقیق، کالیبراسیون سخت‌افزاری ربات و هماهنگی نسخه‌های نرم‌افزاری وابسته است. مدل رفتاری نهایی در قالب فرمت ONNX ذخیره شده و از طریق پروتکل SSH روی ربات کپی می‌شود.

کنترل محلی، جهش محاسباتی به ابر

لپ‌تاپ RTX Spark مدیریت ایجنت، مدل زبانی و هماهنگی ابزارها را روی دستگاه نگه داشت. پردازنده‌های گرافیکی ابری بخش سنگین آموزش را بر عهده گرفتند و پس از اتمام، مدل نهایی برای آزمایش و استقرار دوباره به لپ‌تاپ بازگردانده شد. این معماری به تیم‌ها اجازه می‌دهد تا فایل‌های پروژه و فرآیند روزمره استنتاج را در داخل سیستم محلی حفظ کنند و پردازش‌های ابری میزبانی‌شده را فقط برای بارهای کاری سنگین‌تر از ظرفیت دستگاه به کار بگیرند.

مدل Nemotron 3.5 Bolt در مجموع ۷۴ میلیارد پارامتر دارد، اما در ازای هر توکن تنها حدود ۹ میلیارد پارامتر را فعال می‌کند. این معماری بر پایه ترکیب متخصصان (MoE) طراحی شده و در هر گام استنتاج، زیرمجموعه‌ای منتخب از مدل را فرا می‌خواند تا نیازهای محاسباتی کاهش یابد. انویدیا با بهره‌گیری از کوانتیزاسیون ۲ بیتی همراه با آموزش مبتنی بر کوانتیزاسیون (QAT)، این مدل را در ۲۴ گیگابایت حافظه رم جای داده، در حالی که افت کیفیت ناشی از کاهش دقت وزن‌ها را به کمترین میزان رسانده است.

انویدیا ابزارهایی مانند llama.cpp ،vLLM ،Ollama ،Unsloth و LM Studio را به‌عنوان محیط‌های اجرای محلی مورد پشتیبانی در زمان عرضه معرفی کرده است. بسترهای هرمس و OpenClaw نیز می‌توانند از طریق رابط‌های ایجنتی خود از این مدل بهره ببرند و به توسعه‌دهندگان اجازه دهند بدون نیاز به بازطراحی کل چرخه کاری، محیط اجرای استنتاج را به آسانی تغییر دهند.

هرمس؛ لایه اتصال و مدیریت ایجنت

هرمس مدل زبانی انتخابی را با قابلیت‌های لازم برای خودکارسازی پایدار تجهیز می‌کند. این سرویس قابل میزبانی شخصی، به پیام‌رسان‌های تلگرام، دیسکورد و اسلک متصل می‌شود، حافظه جلسات گذشته را حفظ می‌کند، برنامه‌ریزی کارهای خودکار را انجام می‌دهد، دستورها را در محیطی ایزوله (سندباکس) به اجرا درمی‌آورد و مهارت‌های جدیدی را که در مأموریت‌های قبلی ساخته است، ذخیره می‌کند.

• مهارت‌های خودتولید (Self-generated skills): هرمس پس از انجام کارهای چندمرحله‌ای می‌تواند فایل‌های مهارتی چندبارمصرف SKILL.md بنویسد و آن‌ها را برای مأموریت‌های بعدی بارگذاری کند.
• پشتیبانی گسترده از مدل‌ها: هرمس از بیش از ۳۰۰ مدل مختلف از طریق پورتال نوس، اوپنای‌آی، آنتروپیک، OpenRouter و اندپوینت‌های سفارشی یا محلی پشتیبانی می‌کند.
• مسیریابی ترکیبی (Hybrid routing): روتر متن‌باز Switchyard انویدیا می‌تواند وظایف معمولی را به مدل‌های محلی بسپارد و درخواست‌های سنگین‌تر را به مدل‌های ابری هدایت کند.
• اجرای ایزوله در سندباکس: سطوح تأیید دسترسی، لیست سیاه دستورهای مخرب و ساب‌ایجنت‌های تفکیک‌شده، مرزهای امنیتی مستحکمی پیرامون اجرای دستورها و کارهای موازی ایجاد می‌کنند.
• مجوز متن‌باز: پلتفرم Hermes Agent تحت لیسانس متن‌باز MIT عرضه می‌شود، هرچند هزینه API مدل‌ها، پردازنده‌های گرافیکی ابری و سرویس‌های میزبانی جداگانه محاسبه می‌شود.

با این حال، مهارت‌های تولیدشده و حافظه پایدار، سطح حملات سایبری را در سیستم گسترش می‌دهند؛ زیرا مستقیماً روی جلسات بعدی اثر می‌گذارند. تیم‌های فنی باید فایل‌های SKILL.md را دقیقاً مانند کدهای اجرایی بازبینی کنند، دسترسی به فایل‌ها و شبکه را محدود سازند، کلیدهای امنیتی را ایزوله کنند، تاریخچه فراخوانی ابزارها را ثبت نمایند و پیش از اثرگذاری دستورها بر سیستم‌های عملیاتی یا تجهیزات فیزیکی، دریافت تأییدیه انسانی را اجباری کنند.

پشته ماژولار در خدمت مهندسی روباتیک

فرآیند نمایش‌داده‌شده در رویداد GTC ترکیبی از استنتاج محلی، آموزش ابری، ارائه‌دهندگان گوناگون مدل، نرم‌افزار ایجنتی متن‌باز و پشته شبیه‌سازی انویدیا بود. هر مؤلفه رابط کاربری مشخصی ارائه می‌داد که هرمس می‌توانست آن را فرا بخواند؛ قابلیتی که به ایجنت امکان داد فایل‌ها و دستورالعمل‌ها را میان ابزارهایی با رابط خط فرمان (CLI) یا کیت توسعه نرم‌افزار (SDK) جابه‌جا کند.

این ساختار ماژولار گزینه‌های کاربردی متعددی پیش روی توسعه‌دهندگان می‌گذارد: آن‌ها می‌توانند مدل برنامه‌ریز را تغییر دهند، ابزار CAD را جایگزین کنند، پردازش‌های آموزشی را به تأمین‌کننده ابری دیگری منتقل نمایند یا مراحل حساس را درون سازمان نگه دارند. با این حال، نقاط اتصال میان این سیستم‌ها ریسک‌های جدیدی پیرامون فرمت فایل‌ها، اطلاعات هویتی و امنیتی، خروجی‌های غیرقابل‌پیش‌بینی مدل، عدم تطابق نسخه‌های نرم‌افزاری و بازیابی وظایف نیمه‌کاره ایجاد می‌کند.

سخنرانی انویدیا اثبات کرد که پیوند دادن این بخش‌ها در قالب یک دمو عملی امکان‌پذیر است. با این وجود، تیم‌هایی که قصد ارزیابی این معماری را دارند، همچنان به سنجش میزان تکرارپذیری، نرخ موفقیت در وظایف، داده‌های مربوط به هزینه و تأخیر، آزمایش‌های بازیابی پس از خطا و لاگ‌های شفافی نیاز دارند که مشخص کند هر خروجی دقیقاً توسط کدام ابزار یا مدل تولید شده است.

هرمس در چه حوزه‌هایی بیشترین کاربرد را دارد؟

هرمس برای محیط‌های مهندسی طراحی شده که در آن‌ها یک ایجنت هوشمند باید فرآیندهای طولانی‌مدت را میان چندین مدل، ابزارهای خط فرمان و سرویس‌های بیرونی مدیریت کند. کلیدی‌ترین کاربردهای این بستر عبارتند از:

1. خودکارسازی متمرکز بر سیستم محلی (Local-first): حافظه پایدار، وظایف زمان‌بندی‌شده و به‌کارگیری ابزارها می‌توانند بدون ارسال تک‌تک درخواست‌ها به API مدل‌های ابری اجرا شوند.
2. استنتاج ترکیبی (Hybrid inference): مدل‌های محلی وظایف معمول برنامه‌ریزی را پیش می‌برند، در حالی که پردازش‌های دشوار به مدل‌های بزرگ‌تر ابری واگذار می‌شوند.
3. روباتیک و شبیه‌سازی: ایجنت می‌تواند نرم‌افزارهای CAD، شبیه‌سازهای فیزیک، فریم‌ورک‌های آموزش مدل و اسکریپت‌های استقرار را با یکدیگر پیوند دهد.
4. فرآیندهای پژوهشی: مهارت‌های چندبارمصرف می‌توانند آماده‌سازی محیط آزمایش، اجرای آزمون‌ها و گردآوری داده‌ها را در طول جلسات کاری مختلف خودکار سازند.
5. استقرار سازمانی (On-premises): انویدیا اعلام کرده است کاربران تجاری امکان خواهند داشت ایجنت‌های مبتنی بر Hermes Agent ،Perplexity یا Aible را درون زیرساخت‌های بومی خود اجرا کنند؛ هرچند شرایط پشتیبانی برای هر ابزار نیازمند بررسی دقیق‌تر است.

محیط‌های عملیاتی نیازمند نرده‌های محافظ قوی‌تری هستند

به‌کارگیری این سیستم در تعامل مستقیم با مشتریان یا محیط‌های حساس ایمنی نیازمند لایه‌های کنترلی فراتر از سندباکس پیش‌فرض و لیست سیاه دستوری هرمس است. تیم‌های عملیاتی به ثبت دقیق رویدادها (Audit Logs)، کلیدهای دسترسی محدود، نسخه‌بندی پرامپت‌ها و مدل‌ها، ردیابی منشأ خروجی‌ها، سازوکارهای بازگشت به عقب (Rollback)، اعتبارسنجی خروجی‌ها و نظارت انسانی پیش از تصمیم‌های مهم محتاجند.

سیستم‌های فیزیکی چالش‌های به مراتب بزرگ‌تری به‌همراه دارند؛ زیرا یک دستور اشتباه می‌تواند منجر به خسارت سخت‌افزاری یا خطرات جانی شود. وجود فیلترهای شبیه‌سازی، تعیین سقف برای سرعت و چرخش مفاصل، کلیدهای توقف اضطراری، امضای دیجیتال خروجی‌های استقرار و تست‌های سخت‌افزاری تحت نظارت باید به‌عنوان سدی محکم میان سیاست رفتاری تولیدشده توسط هوش مصنوعی و حرکت مستقل ربات قرار گیرند.

برای تیم‌های مهندسی، پژوهش و روباتیک، نمایش ربات میکروداک یک الگوی عملی و روشن ارائه می‌دهد: مدیریت فرآیندها را در نزدیکی توسعه‌دهنده نگه دارید، محاسبات سنگین آموزشی را به پردازنده‌های گرافیکی ابری بسپارید و مدل آموزش‌دیده را برای ارزیابی و استقرار نهایی دوباره به سخت‌افزار محلی بازگردانید. در این میان، هرمس همان لایه پایدار ایجنتی است که تمام این مراحل را به یکدیگر پیوند می‌زند.