← أحدث الأبحاث
💻 computer science

MARRS: Masked Autoregressive Unit-based Reaction Synthesis

تقترح هذه الورقة البحثية إطار عمل MARRS، وهو إطار عمل مبتكر يولد حركات رد فعل بشرية منسقة ودقيقة التفاصيل من خلال الجمع بين مشفر تلقائي تبايني (VAE) للحركة متميز الوحدات، والدمج المشروط بالفعل مع قناع الرموز، والتعديل الوحدوي التكيفي للتغلب على قيود التكميم المتجهي وتعزيز التفاعل بين الوحدات.

المؤلفون الأصليون: Yabiao Wang, Shuo Wang, Jiangning Zhang, Jiafu Wu, Qingdong He, Yong Liu

نُشر 2026-03-11
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Yabiao Wang, Shuo Wang, Jiangning Zhang, Jiafu Wu, Qingdong He, Yong Liu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك في حفلة رقص. يبدأ شخص ما (المؤدي) بالقيام بحركة معقدة، مثل الدوران أو "هاي فايف". عليك أنت (المستجيب) أن تستجيب فوراً. إذا وقفت هناك فحسب، فسيكون الموقف محرجاً. وإذا لوحت بذراعيك بشكل عشوائي، فسيظهر الأمر سخيفاً. أنت بحاجة للقيام بشيء يبدو طبيعياً، ومنسقاً، ومتناغماً تماماً مع ما فعله الشخص الآخر للتو.

تقدم هذه الورقة البحثية MARRS، وهو نظام ذكاء اصطناعي جديد مصمم ليكون شريك الرقص المثالي هذا. مهمته هي مشاهدة فيديو لشخص يقوم بحركة ما، وتوليد رد فعل واقعي يشبه حركة البشر تلقائياً.

إليك كيف يعمل MARRS، مشروحاً من خلال تشبيهات بسيطة:

١. المشكلة: الروبوت "المبكسل"

حاولت طرق الذكاء الاصطناً السابقة تعليم الكمبيوتر الرقص عن طريق تقسيم الحركات إلى "كتل" صغيرة ومنفصلة (مثل قطع الليغو). وهذا ما يسمى التكميم المتجهي (Vector Quantization - VQ).

  • المشكلة: تخيل أنك تحاول وصف نهر متدفق بسلاسة باستخدام بضع قطع من مكعبات الليغو المربعة فقط. ستفقد السلاسة؛ سيبدو الماء متقطعاً وغير منتظم. أيضاً، غالباً ما يرتبك الذكاء الاصطناعي بشأن أي "قطعة" يجب استخدامها، مما يؤدي إلى حركات خرقاء.
  • حل MARRS: بدلاً من استخدام قطع الليغو، يعامل MARRS الحركة مثل ألوان المائية. فهو يستخدم تمثيلات مستمرة، مما يعني أن الذكاء الاصطناعي يفهم الطبيعة الانسيابية والناعمة للحركة البشرية دون فقدان أي تفاصيل.

٢. الاستراتيجية: تقسيم الجسم (سكين الشيف)

غالباً ما كانت نماذج الذكاء الاصطناعي القديمة تعامل جسم الإنسان ككتلة واحدة ضخمة وفوضوية.

  • المشكلة: إذا طلبت من الذكاء الاصطناعي "حرك يدك"، فقد يحرك أصابع قدميك بالخط الخطأ أو يلتوي عمودك الفقري لأنه لا يعرف الفرق.
  • حل MARRS (وحدة UD-VAE): يعمل MARS مثل شيف ماهر يعرف بالضبط أين يقطع. فهو يقسم الجسم إلى وحدتين متميزتين: الجسم (الجذع/الأرجل) واليدين.
    • يتعلم "رقصة الجسم" بشكل منفصل عن "رقصة اليدين".
    • يتيح ذلك للذكاء الاصطناعي فهم أن التلويح باليد يختلف عن ركلة الساق، مما يؤدي إلى حركات أكثر دقة بكثير.

٣. الخدعة السحرية: "التخمين مع عصب العينين" (التراجع المقنع)

كيف يتعلم الذكاء الاصطناعي التنبؤ بالمستقبل؟ إنه يلعب لعبة "ملء الفراغات".

  • العملية: تخيل أن الذكاء الاصطناعي يرى حركة المؤدي. ثم يحاول تخمين حركة المستجيب، لكنه يخفي (يقنع) بعض أجزاء حركة المستقبل الخاصة بالمستجيب.
  • التخمين: ينظر الذكاء الاصطناعي إلى الأجزاء التي يمكنه رؤيتها وإلى حركة المؤدي، ثم يحاول تخمين الأجزاء المخفية.
  • التحسين: يقوم بذلك مراراً وتكراراً، ويصبح أفضل في كل مرة. يسمى هذا التوليد بالتراجع المقنع (Masked Autoregressive). الأمر يشبه قراءة جملة، وتغطية الكلمة الأخيرة، وتخمينها بناءً على السياق، ثم كشفها والانتقال إلى الكلمة التالية.

٤. المحادثة: التحدث مع بعضهم البعض (تعديل الوحدة التكيفي)

هذا هو السر الحقيقي. مجرد معرفة الذكاء الاصطناعي بكيفية تحريك الجسم وكيفية تحريك اليدين بشكل منفصل لا يعني أنهما سيعملان معاً.

  • المشكلة: بدون تواصل، قد يجعل الذكاء الاصطناعي الجسم يميل لليسار بينما تمتد اليدان لليمين، مما يجعله يبدو كآلة معطلة.
  • حل MARRS (وحدة AUM): يجبر MARRS "وحدة الجسم" و"وحدة اليد" على إجراء محادثة.
    • الجسم يخبر اليدين: "أنا أميل للأمام، لذا عليكما الامتداد للأمام!"
    • اليدان تخبران الجسم: "نحن نلوح، لذا عليك الدوران قليلاً!"
    • هما يعدلان بعضهما البعض باستمرار في الوقت الفعلي لضمان تحرك الشخص بأكمله كوحدة واحدة متماسكة.

٥. اللمسة النهائية: "منظف الضجيج" (الانتشار)

أخيراً، يستخدم الذكاء الاصطناعي تقنية تسمى الانتشار (Diffusion).

  • التشبيه: تخيل رسماً تخطيطياً مرسوماً وسط ضباب كثيف. في البداك، يكون مجرد فوضى ضبابية من الضجيج. يعمل MARRS مثل فنان ماهر يقوم بمسح الضباب ببطء، خطوة بخفظ، ليكشف عن الصورة الواضحة والحادة تحتها.
  • بدلاً من تخمين الحركة النهائية فوراً، يبدأ بفوضى عشوائية ثم يقوم بـ "إزالة الضجيج" تدريجياً حتى يظهر رد الفعل المثالي.

لماذا يعد هذا أمراً هاماً؟

  • للمصممين (Animators): تخيل أنك تصنع لعبة فيديو. بدلاً من تحريك كل شخصية غير لاعبة (NPC) يدوياً لتتفاعل مع اللاعب، تقوم فقط بتحريك اللاعب، ويقوم MARRS تلقائياً بتوليد ردود فعل الحشود. هذا يوفر ساعات من العمل.
  • للروبوتات: يساعد الروبوتات على فهم كيفية التفاعل مع البشر بشكل طبيعي، مما يجعلها أقل إخافة وأكثر فائدة.
  • النتيجة: تظهر الورقة البحثية أن MARRS يخلق ردود فعل أكثر سلاسة، وأكثر دقة، وأكثر واقعية من الطرق السابقة. في اختبارات المستخدمين، قال الناس إن ردود فعل الذكاء الاصطناعي تبدو "أكثر طبيعية" و"واقعية فيزيائياً" مقارنة بالمنافسين.

باختاً: MARRS هو شريك رقص ذكي يقسم الجسم إلى أجزاء يمكن التحكم بها، ويجعل تلك الأجزاء تتحدث مع بعضها البعض، ويستخدم لعبة "التخمين والتحسين" لإنشاء ردود فعل بشرية جيدة جداً لدرجة أنك ستقسم أنها يقوم بها شخص حقيقي.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →