تتبع واكتشاف الأجسام في مجال الروبوتات في الروبوتات، اكتشاف الأجسام هو لقطة سريعة: "هناك زجاجة عند (x, y) في هذا الإطار." تتبع الأجسام هو الأمر الأصعب والأكثر عملية: "هذه نفس الزجاجة كما من قبل، تحركت هكذا، ولا تزال موجودة حتى لو لم أرها لمدة 200 مللي ثانية." تخيل جهاز تحكم متحرك على طاولة المطبخ. المهمة بسيطة على الورق: التقاط الزجاجة الزرقاء من طاولة مزدحمة بينما يتحرك شخص بالقرب منهم. الروبوت لديه كاميرا (وربما عمق أيضا). يشغل كاشف الكائنات ويحصل على صندوق إطار يحمل علامة "زجاجة" مع درجة ثقة. يبدو هذا كأنه تصور. لم يحدث بعد. في الإطار الأول، يرى الكاشف الزجاجة. في الإطار الثاني، ذراع الشخص تحجب الصندوق جزئيا، تنخفض الثقة، ويختفي الصندوق. في الإطار الثالث تظهر الزجاجة مرة أخرى لكن الكاشف يتحرك الصندوق قليلا. من وجهة نظر المخطط، الزجاجة اختفت من الوجود وانتقلت بالتليبورتيشن. في حالة الفوضى، تحصل أيضا على نسخ مكررة: قد ينتج الكاشف صندوقي "زجاجة" معقولين لنفس الشيء. إذا تفاعل الروبوت مباشرة مع اكتشافات كل إطار، سترى سلوكيات فشل كلاسيكية: ➤ يتردد لأن الهدف "يخطئ" كل بضعة لقطات، ➤ يعيد التخطيط باستمرار لأن موقع الهدف يتأرجح، ➤ يمد يده نحو الجسم الخطأ عندما يظهر عنصران متشابهان، ➤ لا يمكنه فرض "لا تصطدم بالشخص" بشكل موثوق لأن صندوق الشخص يومض أيضا. لهذا السبب نادرا ما يتوقف إدراك الروبوتات عند الكشف. يحتاج إلى ديمومة كالشيء: القدرة على القول "هذه لا تزال نفس الزجاجة، حتى لو فقدت رؤيتها لفترة وجيزة." التتبع هو ما يحول التخمينات إطارا بإطار إلى نموذج عالم مستقر. النهج النموذجي هو "التتبع عن طريق الكشف": حيث تستمر في تشغيل كاشف في كل إطار، لكنك تربط الاكتشافات بالمسارات الدائمة (IDs) مع مرور الوقت باستخدام التنبؤ + الارتباط. بشكل ملموس، يقوم المتتبع بثلاثة أشياء: ➤ التنبؤ ب "أين يجب أن تكون الزجاجة الآن؟" ➤ المرتبط "أي اكتشاف ينتمي لأي مسار؟" ➤ الحفاظ على الهوية تحت التغييرات نعود إلى مشهد الطاولة: بمجرد أن تتتبع، تتوقف الزجاجة عن الوميض. له معرف مستقر، وتقدير موقع موحد، وغالبا تقدير للسرعة. الآن يمكن للمخطط أن يتصرف كبالغ: يمكنه الانتظار لتغيير بيئة قصيرة، والالتزام بهدف واحد، والتخطيط لمسار آمن حول شخص متحرك. حتى مع التتبع، لا يزال الروبوت لا يعرف ما الذي يفعله بمصطلحات بشرية. يحتوي على "المسار #7" مع صندوق محيط وربما ملصق الفئة "زجاجة". هذا لا يكفي للمهام الحقيقية لأن المهام الحقيقية تتعلق بالعلاقات والنوايا: ➤ "اختر الزجاجة الزرقاء (وليس الشفافة)." ➤ "لا تمد يدك عبر الشخص." ➤ "الزجاجة خلف الكوب." ➤ "إذا كان الشخص يمد يده نحوها، توقف قليلا." هنا يمكن لنماذج اللغة الكبيرة (غالبا ما تقترن مع نماذج VLM) أن تساعد من خلال التفكير في تمثيل منظم للمشهد مبنيا من المسارات. المفتاح هو أن نموذج اللغة الكبيرة يجب أن يعمل في حالة مستقرة. إذا أعطيتها اكتشافات خام لكل إطار، ستحصل على تفكير منخفض لأن مدخلاته تومض في الصورة. التتبع يجعل الطبقة الدلالية متماسكة.

أين تقع الروبوتات اليوم؟ الجزء "المحلول" في الروبوتات هو الأتمتة الصناعية في البيئات المسيطر عليها. ليست مثالية، لكنها ناضجة بما يكفي لتتوسع عالميا. أفادت الاتحاد الدولي للروبوتات بوجود 4,281,585 روبوتا صناعيا يعمل في المصانع حول العالم (World Robotics 2024). وفي إحصائيات World Robotics 2025، أفاد IFR بتركيب 542 ألف + روبوت صناعي في عام 2024، مع تركيبات سنوية تزيد عن 500 ألف لمدة 4+ سنوات متتالية. هذه هي "ميزة المصنع": المهام قابلة للتكرار، والبيئات منظمة، ويمكن هندسة حدود السلامة. عندما يقوم ذراع روبوت بلحام أو وضع مكونات، يمكنك تقييد العالم حتى يبدو الروبوت ذكيا. الحدود هي كل شيء خارج منطقة الراحة تلك: الروبوتات المتنقلة في الأماكن المزدحمة، الروبوتات الميدانية، التلاعب المرن (الإمساك بالأشياء الفوضوية)، وأي سيناريو يضطر فيه الروبوت للتفكير تحت عدم اليقين لفترات طويلة. هنا، الصعوبة الأساسية ليست "هل يمكنه تقديم عرض توضيحي". الصعوبة الأساسية هي الموثوقية على نطاق واسع: هل يمكنه أداء المهمة بأمان وتوقع واقتصاد آلاف المرات، بما في ذلك الحالات الغريبة 2٪. وهذا أيضا سبب هوس الروبوتات بأوضاع السلامة والأعطال. خطأ في برنامج في تطبيق ويب مزعج. خطأ برمجي في آلة متحركة يصبح حركيا. وهذا يدفع فرق الروبوتات نحو النشر المحافظ: التكرار، السلوك المؤقت الآمن، النشر التدريجي، والمراقبة الدقيقة. كما يفسر لماذا قد يبدو التقدم المادي أبطأ من البرمجيات البحتة.

مجموعات الذاكرة المشفرة هي واحدة من أنظف الأفكار في التخفيف من MEV: إخفاء تفاصيل المعاملات حتى يفوت الأوان لتشغيلها مسبقا. إذا لم يتمكن المدققون (أو لجنة العتبة) من رؤية الحمولة، فلن يستطيعوا بسهولة: - نسخ صفقة، - ضعها في السندويش، - بيع تدفق الأوامر، - أو وضع الموضوع حوله. في هذه الحالة، أنت تستبدل عبارة "الجميع يرى كل شيء فورا" ب "الكشف يحدث لاحقا ويجب تنسيقه." تظهر التكاليف الرئيسية كما يلي: ➤ التأخير / التأخير حيث تتطلب بعض التصاميم مرحلة كشف، نافذة فك تشفير، أو تأكيدات مسبقة. هذا يمكن أن يضيف وقتا قبل التنفيذ. ➤ خطر التنسيق حيث يجب على شخص ما فك التشفير (مجموعة مدقق، لجنة، أو آلية). إذا فشلوا أو تأخروا أو تواطأوا، تتدهور تجربة المستخدم. ➤ أنماط فشل جديدة حيث تصبح إدارة المفاتيح، وافتراضات الحيوية، و"من يتعلم ماذا ومتى" جزءا من مساحة البروتوكول الخاصة بك. لذا فإن مجموعات الذاكرة المشفرة ليست غداء مجانيا، بل هي قرار واع لدفع تكلفة تنسيق لتقليل الظهور.