HumanoidPose تحدد وضعية الروبوت الشبيه بالبشر من الفيديو وتقلّص خطأ الزوايا بنسبة 18–32%

قدّم باحثون نموذج HumanoidPose، وهو نموذج يستعيد من فيديو عادي التكوين الكامل لمفاصل الروبوت الشبيه بالبشر في الإحداثيات العالمية. وعلى ثلاث منصات حقيقية من الروبوتات الشبيهة بالبشر، يخفّض النموذج الخطأ في زوايا المفاصل بنسبة 18–32% قياساً بأفضل طريقة مرجعية لكل منصة. وجزء كبير من بيانات التدريب اصطناعي: فقد نُقلت حركات بشرية إلى 16 تصميماً مختلفاً من الروبوتات الشبيهة بالبشر.

الرؤية بدل المستشعرات

يصف المؤلفون المهمة بأنها «الرؤية بوصفها حسّاً عميقاً» (proprioception). فالروبوت يعرف عادةً وضع مفاصله بفضل المستشعرات المدمجة فيه. لكن عند التعامل مع آلة أخرى، كثيراً ما تكون هذه البيانات غير متاحة بسبب الخصوصية أو مسائل الملكية أو قيود قناة الاتصال. وثمة مشكلة ثانية: فمقاطع الفيديو التي تظهر فيها روبوتات على الإنترنت، والمقاطع التي يولّدها الذكاء الاصطناعي، متوافرة بأحجام هائلة، لكن لا تُرفق بها زوايا المفاصل. ولهذا لا يمكن استخدام هذه التسجيلات مباشرةً في تدريب الروبوتات.

يعالج HumanoidPose المشكلتين معاً: فهو يحتاج إلى تسلسل فيديو فقط، ومخرجه هو وضعية الجسم كاملاً.

كيف بُني النموذج

يقوم النموذج على الجمع بين مصدرين. فقد دُمجت سمات مدرَّبة مسبقاً لتقدير وضعية الإنسان مع حركيات الروبوت (kinematics) في نموذج واحد يتنبأ بتكوين المفاصل لكل تصميم على حدة. ولجمع بيانات التدريب، أعاد المؤلفون توجيه (retargeting) الحركات البشرية إلى 16 روبوتاً شبيهاً بالبشر. ويتم الوسم هنا تلقائياً، لأن زوايا المفاصل معروفة بحكم طريقة التوليد.

وعادةً ما تنتقل البيانات الاصطناعية بصعوبة إلى اللقطات الحقيقية. لذلك أضاف الفريق تعلّماً ذاتياً: تُستخدم مقاطع فيديو غير مُوسَّمة من الإنترنت لإنشاء كاشف ثنائي الأبعاد (2D) لوضعية الروبوت. والغاية منه تحديداً هي الثبات على التسجيلات الحقيقية، حيث تختلف الإضاءة وزوايا التصوير والخلفية عن المحاكاة.

ماذا أظهرت القياسات

• الدقة في الزوايا ومواضع المفاصل أعلى مما حققته جميع الطرق المرجعية المقارَنة.
• الخطأ في زوايا المفاصل أقل بنسبة 18–32% قياساً بأفضل طريقة مرجعية على كل من المنصات الحقيقية الثلاث للروبوتات الشبيهة بالبشر.
• تحسّن التموضع العالمي، أي موضع الروبوت في الإحداثيات العالمية.
• يعمّم النموذج بصورة أفضل على تصميمات لم تكن ضمن التدريب.

والقيود ظاهرة أيضاً. فمن الوصف لا يتضح هل يعمل النظام في الوقت الفعلي، ولا مدى ثباته أمام الحجب الجزئي للروبوت، ولا ما هي المنصات التي شملها الاختبار تحديداً. وقد جاءت الأرقام مقارنةً بمجموعة من الطرق المرجعية اختارها المؤلفون، ولا يوجد حتى الآن تحقق مستقل.

أين يمكن الاستفادة منه

السيناريو الأول: يحتاج الروبوت إلى فهم ما تفعله آلة أخرى بجواره، ولا يملك وصولاً إلى بياناتها عن بُعد. تكفي كاميرا لتقدير وضعية الشريك أو المنافس في مساحة العمل.

السيناريو الثاني أهم للمطوّرين. فإذا أمكن الحصول على زوايا المفاصل من الفيديو، تتحول المقاطع المنشورة على الإنترنت والفيديوهات التي تولّدها نماذج الفيديو إلى مصدر لمسارات حركة تُستخدم في تدريب السياسات (policies). ويمكن استبدال جزء من الجمع المكلف للبيانات على عتاد حقيقي بأرشيفات الفيديو، بشرط أن تصمد جودة تقدير الوضعية أمام الاختبار على منصاتكم. أما الفرق التي تعمل مع الروبوتات الشبيهة بالبشر، فيجدر بها متابعة ما إذا كان المؤلفون سينشرون الشيفرة والأوزان، فهذا ما يحدد ما إذا كان HumanoidPose سيصبح أداة عملية أم سيبقى ورقة بحثية.