🤖 machine learning

Recent Advances in Multi-Agent Human Trajectory Prediction: A Comprehensive Review

تقدم هذه الدراسة مراجعة شاملة للتطورات الأخيرة القائمة على التعلم العميق في التنبؤ بمسارات البشر متعددة الوكلاء من عام 2020 إلى عام 2025، حيث تصنف الأساليب حسب البنية والتمثيل والاستراتيجية مع تحديد التحديات الرئيسية واتجاهات البحث المستقبلية.

المؤلفون الأصليون: Céline Finet, Stephane Da Silva Martins, Jean-Bernard Hayet, Ioannis Karamouzas, Javad Amirian, Sylvie Le Hégarat-Mascle, Julien Pettré, Emanuel Aldea

نُشر 2026-04-27

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Céline Finet, Stephane Da Silva Martins, Jean-Bernard Hayet, Ioannis Karamouzas, Javad Amirian, Sylvie Le Hégarat-Mascle, Julien Pettré, Emanuel Aldea

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 تسير في محطة قطار مزدحمة. لتجنب الاصطدام بالناس، أنت لا تنظر فقط إلى أين هم الآن؛ بل إن عقلك يلعب باستمرار لعبة سريعة الوتيرة من "ماذا لو؟"

ماذا لو استدار ذلك الشخص لليسار ليلحق بقطاره؟ ماذا لو توقفت تلك المجموعة من المراهقين لالتقاط صورة "سيلفي"؟ ماذا لو أسرع ذلك الرجل من رجال الأعمال ليلحق بالأبواب التي توشك على الإغلاق؟

هذه الورقة البحثية هي بمثابة تقرير "حالة الاتحاد" الضخم حول كيفية تعليم العلماء لأجهزة الكمبيوتر (مثل السيارات ذاتية القيادة والروبوتات الاجتماعية) لعب نفس اللعبة من "ماذا لو؟". يُطلق على هذا المجال اسم التنبؤ بمسارات البشر متعدد الوكلاء (Multi-Agent Human Trajectory Prediction - HTP).

إليك تفصيل الورقة البحثية باستخدام تشبيهات من الحياة اليومية:

١. المشكلة الجوهرية: "رقصة الحشد"

التنبؤ بمسار شخص واحد يشبه التنبؤ بمكان تدحرج كرة بلياردو واحدة؛ الأمر سهل نسبيًا. لكن التنبؤ بحشد يشبه محاولة التنبؤ بحركات ألف راقص في قاعة رقص حيث يتفاعل الجميع باستمرار مع بعضهم البعض.

إذا تحرك الشخص (أ) لتجنب الشخص (ب)، فقد يغير الشخص (ب) مساره لتجنب الشخص (ج)، مما يخلق "تأثير تموج". توضح الورقة أن الذكاء الاصطناعي الحديث ينتقل من المعادلات الرياضية البسيطة (الطريقة القديمة) نحو التعلم العميق (Deep Learning)، والذي يسمح لأجهزة الكمبيوتر بتعلم هذه "الرقصات الاجتماعية" المعقدة بمجرد مشاهدة كميات هائلة من بيانات الفيديو.

٢. "عقل" الذكاء الاصطناائي (البنى الهيكلية)

يصنف الباحثون الطرق المختلفة التي "يفكر" بها الذكاء الاصطناعي حول الحركة إلى ثلاثة أساليب رئيسية:

حفظة الذاكرة (RNNs/LSTMs): فكر في هذه النماذج كشخص يكتب مذكرات. إنهم ينظرون إلى ما حدث قبل ثانية، ثم قبل ثانية أخرى، ويستخدمون تلك "القصة" لتخمين الجملة التالية. هم جيدون في الذاكرة قصيرة المدى، لكنهم قد يصابون بـ "الارتباك" إذا طالت القصة كثيرًا.
المراقبون الاجتماعيون (Transformers): تخيل شخصًا في حفلة لا يكتفي بمراقبة شخص واحد فحسب، بل يمكنه فورًا رؤية العلاقات بين الجميع في الغرفة. إنهم يستخدمون تقنية "الانتباه" (Attention) لتحديد من هو المهم. قد يتجاهلون الشخص الذي يبتعد، لكنهم يركزون بشدة على الشخص الذي يسير مباشرة باتجاههم.
الحالمون (النماذج التوليدية/الانتشار - Diffusion): بدلاً من التنبؤ بمسار واحد فقط، تتخيل هذه النماذج عدة مستقبليات محتملة. الأمر يشبه توقعات الطقب التي تقول: "هناك احتمال ٦٠٪ لهطول الأمطار و٤٠٪ للشمس". هذا أمر بالغ الأهمية لأن البشر غير متوقعين؛ لذا لا ينبغي للروبوت أن يراهن على مسار واحد فقط، بل يجب أن يستعد لعدة مسارات.

٣. "عيون" الذكاء الاصطناعي (السياق)

الإنسان لا يتحرك عشوائيًا؛ بل يتحرك استجابة لعالمه. تناقش الورقة كيف يستخدم الذكاء الاصطناعي نوعين من "الرؤية":

الخريطة (السياق الثابت): معرفة أين توجد الجدران، والسلالم، والأعمدة. (أي "المسرح").
الحشد (السياق الديناميكي): معرفة أين يوجد الأشخاص الآخرون المتحركون. (أي "الممثلون").

٤. "شهادة التقدير" (التقييم)

كيف نعرف ما إذا كان الذكاء الاصطناعي ذكيًا حقًا؟ لفترة طويلة، استخدم العلماء مقياسًا بسيطًا: "كم بوصة كانت المسافة بين المسار المتوقع والمسار الفعلي؟" (يسمى ADE/FDE).

تجادل الورقة بأن هذه طريقة معيبة للتقييم. تخيل طالبًا يتوقع أن شخصًا ما سيمشي عبر جدار. من الناحية التقنية، قد يكون "المسار" قريبًا جدًا من الشخص، لكن التنبؤ عديم الفائدة لأنه مستحيل فيزيائيًا! تدعو الورقة إلى "شهادات تقدير" أفضل تقيم الذكاء الاصطناعي بناءً على الذكاء الاجتماعي: هل تجنب الروبوت الاصطدام؟ هل احترم المساحة الشخصية؟ هل أدرك أن الشخص يسير باتجاه باب؟

٥. الخلاصة الكبرى: فجوة "من المحاكاة إلى الواقع"

تختتم الورقة بتحذير. معظم الذكاء الاصطناعي يتم تدريبه في عمليات محاكاة رقمية "مثالية" (مثل ألعاب الفيديو). لكن العالم الحقيقي "فوضوي". المستشعرات الحقيقية تصبح ضبابية، والإضاءة تتغير، والناس يتصرفون بطرق لم يتخيلها الكمبيوتر أبدًا.

الهدف للسنوات القليلة القادمة ليس فقط صنع ذكاء اصطناعي "دقيق" على شاشة الكمبيوتر، بل صنع ذكاء اصطناعي "واعٍ اجتماعيًا" و**"قوي"** بما يكفي للتنقل في عالم بشري حقيقي، فوضوي، وغير متوقع.

1. تعريف المشكلة

التحدي الجوهري الذي تعالجه الورقة هو التنبؤ بمسارات البشر (HTP) لمتعدد الوكلاء: وهو التنبؤ بالتحركات المستقبلية لعدة أفراد (وكلاء) ضمن بيئة ديناميكية. وخلافاً للتنبؤ بوكيل واحد، يجب أن يأخذ التنبؤ متعدد الوكلاء في الاعتبار التفاعلات الاجتماعية المعقدة وغير الخطية، والقيود البيئية (العوائق الثابتة)، وعدم اليقين المتأصل (تعدد الأنماط/Multimodality) في السلوك البشري.

تعرّف الورقة المشكلة رياضياً بأنها أخذ تسلسل من الحالات المرصودة $S_{1:T_{obs}}$ (الموقع، السرعة، إلخ) لـ $N$ من الوكلاء، وتوليد $K$ من المسارات المستقبلية المحتملة $\hat{Y}_{k}$ عبر أفق تنبؤ $T_{pred}$ .

2. المنهجية (إطار المراجعة)

استخدم المؤلفون منهجية مراجعة منهجية قائمة على بروتوكول PRISMA (العناصر التقارير المفضلة للمراجعات المنهجية والتحليل التلوي). قاموا بتصفية 668 سجلاً من Google Scholar لاختيار 203 ورقة بحثية ذات صلة وثيقة. تتبع المراجعة هيكلاً قائماً على تصنيف نمطي لمسار عمل الـ HTP:

التمثيل السياقي (Contextual Representation): كيف تقوم النماذج بترميز البيئة.
- السياق الديناميكي: استخدام عمليات التجميع/المشفرات (الكمية المكانية) أو الشبكات العصبية الرسومية (GNNs) لنمذجة التفاعل بين الوكلاء.
- السياق الثابت: استخدام التمثيلات القائمة على الصور (Raster-based) مثل (CNN/ViT) أو التمثيلات المتجهة (Vector-based) مثل العقد الرسومية لنمذجة الخرائط والعوائق.
بنى الهيكل الأساسي (Backbone Architectures): وهي "المحرك" للنموذج.
- نمذجة التسلسل: الشبكات العصبية المتكررة (LSTMs/GRUs)، والمحولات (Transformers - الانتباه الذاتي والتبادلي)، ونماذج حالة الفضاء الانتقائية الناشئة (SSMs/Mamba).
- النمذجة التوليدية: شبكات الخصومة التوليدية (GANs)، ونماذج (C)VAEs (أخذ العينات من الفضاء الكامن)، ونماذج الانتشار (Diffusion Models - إزالة الضجيج التكراري)، والتدفقات الطبيعية (Normalizing Flows).
استراتيجيات التنبؤ والتقييم:
- الاستراتيجيات: الطرق المباشرة، التكرارية (Auto-regressive)، المشروطة بالهدف (Goal-conditioned)، وطرق التحسين (Refinement).
- العشوائية: نمذجة عدم اليقين عبر خرائط الحرارة، أو توزيعات الأهداف، أو المتغيرات الكامنة التوليدية.
- المشترك مقابل الهامشي (Joint vs. Marginal): التمييز بين التنبؤ بالوكلاء بشكل فردي (هامشي) مقابل التنبؤ باتساق المشهد بأكمله (مشترك).

3. المساهمات الرئيسية

تساهم الورقة بتقديم توليف رفيع المستوى لأحدث ما توصل إليه العلم، مع تسليط الضضوء تحديداً على:

تصنيف نمذجة التفاعل: توضح كيف انتقلت النماذج من مجرد المسافة القائمة على القرب البسيط إلى هياكل "الرسم البياني الفائق" (Hypergraph) المعقدة التي تلتقط الديناميكيات الاجتماعية على مستوى المجموعة.
الرسم الخرائطي التطوري: تتبع التحول في المجال من النماذج التسلسلية القائمة على RNN إلى آليات الانتباه الخاصة بـ Transformers، وصولاً إلى الحدود الحالية لنماذج الانتشار (Diffusion) والمنطلبات الدلالية لنماذج اللغة الكبيرة (LLM).
التحليل النقدي للمعايير المرجعية (Benchmarks): تحدد الورقة "الجمود الأكاديمي" الناتج عن الاعتماد المفرط على مجموعة بيانات ETH/UCY، مشيرة إلى أنه رغم كونها المعيار الفعلي، إلا أنها تفتقر إلى الكثافة والتعقيد المطلوبين للنشر في العالم الحقيقي.
نموذج تقييم جديد: يجادل المؤلفون بضرية التحول من المقاييس الهندسية البحتة (ADE/FDE) نحو مقاييس مدركة للتفاعل ومدركة للقرار (مثل: معدلات التصادم، الآثار السببية، ونجاح الملاحة).

4. النتائج والملاحظات

على الرغم من أن هذه مراجعة وليست دراسة تجريبية، إلا أن المؤلفين لخصوا عدة نتائج رئيسية من الأدبيات:

فجوة الأداء: تتفوق نماذج التعلم العميق القائمة على البيانات باستمرار على النماذج الكلاسيكية القائمة على الفيزياء (مثل نموذج قوة الاجتماع - Social Force Model) من حيث خطأ الإزاحة.
تحدي "تعدد الأنماط" (Multimodality): النماذج التوليدية (الانتشار، VAEs) ضرورية لأن النماذج الحتمية تفشل في التقاط "المستقبلات المحتملة" المتنوعة للحركة البشرية.
مقايضة التعقيد: هناك توتر مستمر بين القدرة التعبيرية (Transformers/Diffusion) والكفاءة الحسابية (RNNs/SSMs)، وهو أمر بالغ الأهمية للروبوتات في الوقت الفعلي.
تحيز المقاييس: لاحظ المؤلفون أن مقاييس "أفضل K من العينات" (minADE/minFDE) قد تكون مضللة، حيث تكافئ النماذج التي تنتج ببساطة عدداً هائلاً من العينات بدلاً من النماذج التي تنتج توزيعات عالية الجودة ومعايرة.

5. الأهمية والتوجهات المستقبلية

تكتسب الورقة أهميتها من كونها تجسر الفجوة بين أبحاث التنبؤ بمسارات البشر (HTP) النظرية وبين النشر العملي في الروبوتات والقيادة الذاتية. وتخلص إلى أن المجال يجب أن يتجاوز "مطاردة لوحات الصدارة" على مجموعات البيانات المبسطة لمعالجة:

فجوة المحاكاة إلى الواقع (Sim-to-Real Gap): تطوير نماذج تتعامل مع الملاحظات المشوشة والجزئية من المستشعرات الموجودة على متن الآلات بدلاً من المسارات المركزية النظيفة.
الهجنة (Hybridization): الجمع بين قوة مطابقة الأنماط للتعلم العميق وضمانات السلامة للنماذج القائمة على الفيزياء أو نظرية الألعاب.
التقييم في الحلقة المغلقة (Closed-Loop Evaluation): اختبار كيفية تأثير أخطاء التنبؤ فعلياً على اتخاذ القرار اللاحق للروبوت (مثلاً: هل يؤدي خطأ قدره 5 سم في التنبؤ إلى تصادم أثناء الملاحة؟).
الاستدلال الدلالي (Semantic Reasoning): الاستفادة من نماذج اللغة الكبيرة (LLMs) ونماذج اللغة والرؤية (VLMs) لتوف পদার্থ تقديم سياق "المنطق العام" للحركة الهندسية.