💻 computer science

Latent Perspective-Taking via a Schrödinger Bridge in Influence-Augmented Local Models

تقترح هذه الورقة إطار عمل عصبي-رمزي يجمع بين النماذج المحلية المعززة بالتأثير وجسر شرودنغر الموزع لتمكين الروبوتات من تعلم نماذج ذهنية مهيكلة والقيام باستدلال فعال لاتخاذ القرارات من منظور الآخرين من أجل اتخاذ قرارات واعية اجتماعياً في البيئات غير المستقرة.

المؤلفون الأصليون: Kevin Alcedo, Pedro U. Lima, Rachid Alami

نُشر 2026-02-04

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Kevin Alcedo, Pedro U. Lima, Rachid Alami

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 روبوتًا يحاول التنقل في غرفة مزدحمة بالناس. لكي يتحرك بأمان ولباقة، لا يمكن للروبوت أن ينظر فقط إلى أين يتواجد الناس؛ بل عليه أن يخمن ما الذي "يفكرون فيه" وما الذي "يخططون" لفعله تاليًا. هذا هو التحدي الجوهري الذي تعالجه الورقة البحثية: تعليم الروبوتات كيف "تضع نفسها مكان الآخرين" دون أن تكون قادرة فعليًا على قراءة العقول.

إليك تفصيل لحلهم باستخدام تشبيهات بسيطة:

١. المشكلة: كابوس "قراءة العقول"

عادةً، لكي يخمن الروبوت ما يفكر فيه الإنسان، يتعين عليه بناء نموذج ذهني معقد لعقل ذلك الإنسان، ثم نموذج لنموذج ذلك الإنسان عن الروبوت، وهكذا دواليك. هذا ما يسمى بـ "الاعتقاد المتداخل" (nested belief).

التشبيه: تخيل أنك تحاول حل لغز حيث تتحول كل قطعة تلتقطها إلى لغز جديد أصغر، والذي يتحول بدوره إلى لغز آخر. يصبح الأمر ضخمًا جدًا بسرعة كبيرة، ويصاب الروبوت بالجمود (وهذا ما يسميه المؤلفون "غير قابل للحل" أو intractable).
الطريقة القديمة: حاولت الطرق السابقة إما أن تكون مثالية للغاية (وفشلت) أو استخدمت قواعد جامدة مكتوبة مسبقًا كانت تنكسر بمجرد أن يصبح العالم الحقيقي فوضويًا.

٢. الحل: "النموذج المحلي المعزز بالتأثير" (الفلتر الذكي)

بدلاً من محاولة فهم الغرفة بأكملها وكل شخص فيها، يركز الروبوت فقط على ما يهمه في اللحظة الراهنة.

التشبيه: تخيل الروبوت وهو يرتدي نظارات خاصة. هذه النظارات تطمس ضجيج الخلفية وتسلط الضوء فقط على "نقاط التأثير" — وهي الأشياء المحددة التي تؤثر فعليًا على حركة الروبوت التالية (مثل شخص يسير باتجاهه).
كيف يعمل: يقوم الروبوت بتفكيك العالم إلى أجزاء صغيرة يمكن التحكم بها: وضعه المحلي الخاص، و"التأثير الاجتماعي" المحدد القادم من الآخرين، والعوامل الخارجية العشوائية. هذا يجعل العمليات الحسابية بسيطة وسريعة.

٣. الابتكار الجوهري: "جسر شرويدنجر" (المحاكي المسافر عبر الزمن)

هذا هو الجزء الأكثر تقنية، ولكن إليك النسخة المبسطة. يحتاج الروبوت إلى أخذ اعتقاده الحالي ("أعتقد أن الشخص يتجه يسارًا") وتحويله إلى اعتقاد حول ما يفكر فيه الشخص الآخر ("هو يعتقد أنني سأتجه يمينًا").

يستخدم المؤلفون أداة رياضية تسمى "جسر شرويدنجر" (Schrödinger Bridge).

التشبيه: تخيل أن لديك خريطة لنهر (مسار الروبوت الحالي). تريد أن تعرف كيف سيبدو النهر إذا كان يتدفق في الاتجاه المعاكس أو إذا كانت الرياح تهب بشكل مختلف.
"الجسر": جسر شرويدجر هو مثل جسر سحري يحسب المسار الأكثر احتمالاً للانتقال من "فكري الحالي" إلى "فكرهم" دون كسر قوانين الفيزياء (أو في هذه الحالة، قوانين كيفية عمل العالم).
الجزء المتعلق بـ "الاستهلاك المسبق" (Amortized): بدلاً من حساب هذا الجسر من الصفر في كل ثانية (وهو أمر بطيء)، يتعلم الروبوت "طريقًا مختصرًا" مسبقًا. إنه يشبه حفظ أفضل مسار عبر متاهة حتى لا تضطر لحل اللغز في كل مرة تدخل فيها.

٤. "الدماغ العصبي الرمزي" (Neuro-Symbolic)

دماغ الروبوت هو هجين من نوعين من التفكير:

العصبي (الحدس): يستخدم التعلم العميق للنظر في البيانات الخام (البكسلات، قراءات المستشعرات) وتحويلها إلى مفاهيم بسيطة ومحددة (مثل "الشخص قريب"، "الباب مفتوح").
الرمزي (المنطق): يستخدم قواعد مهيكلة (مثل المخطط الانسيابي) للتأكد من أن هذه المفاهيم تتوافق منطقيًا مع بعضها البعض.
التشبيه: يشبه الأمر امتلاك رسام يمكنه رسم مشهد بسرعة (العصبي) ومعماري يتحقق مما إذا كان الرسم يتبع قواعد الجاذبية وقوانين البناء (الرمزي).

٥. كيف اختبروا ذلك؟

اختبروا ذلك في عالم شبكي بسيط (مثل نسخة رقمية من لعبة Pac-Man أو متاهة).

المهمة: كان على الروبوت تتبع شخص ما إلى هدف معين مع اتباع قواعد اجتماعية (مثل عدم الاصطدام به).
النتيجة: تعلم الروبوت الذي يستخدم طريقة "جسر شرويدجر" هذه بشكل أسرع وحصل على درجات أفضل من الروبوتات التي كانت تخمن عشوائيًا أو تحاول استخدام معلومات مثالية (وهو أمر غير واقعي في العالم الحقيقي).
الخلاصة: من خلال محاكاة "ماذا لو كنت مكانه؟" في لحظة اتخاذ القرار، اتخذ الروبوت قرارات أذكى.

الملخص

تقترح الورقة طريقة جديدة للروبوتات لفهم نوايا البشر. فبدلاً من الضياع في حسابات معقدة ولا نهائية حول ما يفكر فيه البشر، يستخدم الروبوت فلترًا ذكيًا للتركيز على ما يهم، وجسرًا رياضيًا لمحاكاة منظور الشخص الآخر بسرعة. وهذا يسم يسمح للروبوت باتخاذ قرارات واعية اجتماعيًا في الوقت الفعلي، والتعلم بشكل أسرع والتصرف بشكل أكثر طبيعية.

ملخص تقني: تبني المنظور الكامن عبر جسر شرودنغر في النماذج المحلية المعززة بالتأثير

بيان المشكلة
يتطلب العمل في بيئات بجانب البشر من الروبوتات اتخاذ قرارات في ظل عدم اليقين، مما يستلزم التفكير ليس فقط في الديناميكيات الخارجية، بل وأيضاً في النماذج الذهنية والحالات العقلية الخفية للآخرين. وبينما توفر أطر العمل مثل العمليات لاتخاذ القرار المار بماركوف ذات المعلومات الجزئية التفاعلية (I-POMDPs) ونظرية العقل البايزية (BToM) مناهج مبدئية، إلا أنها تواجه قيوداً كبيرة: الاستدلال الدقيق للمعتقدات المتداخلة هو أمر مستعصٍ حاسوبياً (بدرجة PSPACE عند المستوى-0، وEXPSPACE في أسوأ الحالات)، كما أن النماذج الرمزية المحددة يدوياً تتسم بالهشاشة في البيئات المفتوحة ذات الديناميكيات العشوائية. ومن ناحية أخرى، فإن اتخاذ القرار المتسلسل الاحتمالي القياسي يتعامل مع عدم اليقين ولكنه يعتمد عادةً على نماذج محددة مسبقاً ولا يزال يعاني من "انفجار المعتقدات المتداخلة". ويتمثل التحدي الجوهري في توحيد تمثيل المعرفة الرمزية مع اتخاذ القرار الاحتمالي لتعلم نماذج ذهنية مهيكلة ومقدرٍ قابل للتطبيق للحالات العقلية للآخرين.

المنهجية
يقترح المؤلفون بنية قائمة على البيانات تعمل على تفكيك المهام الاجتماعية للروبوت باستخدام النماذج المحلية المعززة بالتأثير (IALMs) وتنفذ تبني المنظور عبر جسر شرودنغر (SB) مُتكيّف.

النموذج المحلي المعزز بالتأثير (IALM):
بناءً على إطار عمل التجريد القائم على التأثير (IBA)، يقوم المؤلفون بإنشاء IALM لتفكيك الحالة العالمية إلى ديناميكيات محلية، وتأثيرات اجتماعية، وعوامل خارجية. يحدد النموذج مجموعة فصل $d$ دنيا ( $D_t$ ) من تاريخ الحالة والموقع والعمل المحلي، والتي تعمل كإحصاء كافٍ للتنبؤ بتوزيع التأثير. يسمح هذا للوكيل بحساب أفضل استجابة دقيقة للسياسات الخارجية الثابتة دون الحاجة للتفكير في الفضاء العالمي الكامل.
نموذج العالم العصبي-الرمزي:
يتم تنفيذ IALM كنموذج عالم عصبي-رمزي يتكون من تسلسل هرمي من المشفرات التلقائية التباينية المنفصلة (dVAEs) مع استخدام Gumbel-Softmax. تتعلم هذه البنية نموذج بايز الديناميكي (2DBN) منفصلاً ومعمقاً بشكل شامل (end-to-end).

الترميز: يتم ترميز الملاحظات الخام إلى فضاء كامن من العوامل المنفصلة.
الانتقال: يقوم نموذج انتقال محلي غير متأثر بالتأثير ( $\dot{T}$ ) برسم خرائط الحالات العاملة الحالية والأفعال إلى الحالة الكامنة التالية. يستخدم النموذج آلية $\alpha$ -entmax cross-attention لاستحثاث التناثر المدفوع بالبيانات ذو القيم الصفرية الدقيقة، مما ينمذج صراحةً هياكل العلاقة بين الأب والابن الكامنة.

مُعامل تغيير المنظور (جسر شرودنغر):
لتقدير معتقدات الآخرين، يقدم المؤلفون مُعامل تغيير المنظور، $\Phi_{SB}$ ، والذي يتم نمذجته كجسر شرودنغر مُتكيّف. يقوم هذا المُعامل بنقل المعتقدات المركزية الذاتية المفككة ( $b_0$ ) إلى معتقدات مركزية للآخرين ( $\hat{b}_i$ ) عبر الديناميكيات المحلية المتعلمة.

الآلية: يتم صياغة جسر شرودنغر (SB) كمسألة نقل أمثل إنتروبي ديناميكية. يسعى البحث عن قانون انتقال جديد ( $\bar{T}$ ) يقلل من تباعد KL المساري إلى الديناميكيات المرجعية ( $\dot{T}$ ) مع تلبية هوامش البداية والنهاية المحددة (المعتقدات).
التنفيذ: يتم تحقيق الجسر عبر تحويل Doob $h$ -transform، الذي يتم توجيهه بواسطة جهود أمامية ( $\phi$ ) وخلفية ( $\psi$ ). يتم تحديد هذه الجهود بواسطة السياق ( $c_t$ ) المستمد من التاريخ، ويتم تدريبها خارجياً باستخدام "الواقعات المضادة الإبستيمية" (المعتقدات المأخوذة من منظور الآخرين).
الاستدلال: في وقت اتخاذ القرار، يقوم الوكيل بـ "إمالة" الديناميكيات المرجعية $\dot{T}$ باستخدام الجهود المتكيفة المتعلمة لمحاكاة ديناميكيات الحالة العقلية للآخرين، مما يؤدي فعلياً إلى تنفيذ التحكم التنبئي بالنموذج في فضاء الحالة العقلية.

المساهمات الرئيسية
تحدد الورقة ثلاث مساهمات رئيسية:

تفكيك معزز بالتأثير عملي للمهام الاجتماعية يفصل الديناميكيات المحلية عن التأثيرات الاجتماعية.
نموذج عالم عصبي-رمزي مفكك ومنفصل يتعلم النماذج الذهنية المهيكلة من البيانات.
آلية لتبني المنظور عبر جسر شرودنغر مُتكيّف، مما يتيح التخطيط القائم على النموذج في فضاء المعتقدات أثناء اتخاذ القرار دون الحاجة إلى استدلال متداخل دقيق.

النتائج الأولية
تم تقييم النهج في بيئة Minigrid متعددة الوكلاء ذات ملاحظات جزئية تتضمن مهمة "تتبع الشخص"، حيث يجب على الوكيل اتباع وكيل ذي سياسة ثابتة نحو هدف مع الالتزام بالمعايير الاجتماعية.

النماذج المرجعية (Baselines): تمت مقارنة الطريقة مع: (1) نموذج المعلومات المثالية (المعتقد الحالي الحقيقي)، (2) نموذج عدم وجود معلومات (التوزيع الموحد)، و(3) نموذج المرجع (التمرير متعدد الخطوات للديناميكيات المحلية).
النتائج: تعلم نهج تبني المنظور القائم على جسر شرودنغر (SB) بشكل أسرع وحقق عوائد دورية أعلى من جميع النماذج المرجعية، بما في ذلك نماذج "عدم وجود معلومات" و"المرجع". تشير النتائج إلى أن التخطيط في فضاء الحالة العقلية الواعي بالسياق عند اتخاذ القرار يحقق أداءً فائقاً مقارنة بالتقديرات الخالية من السياق.

الأهمية والادعاءات
يزعم المؤلفون أن هذه البنية تسد الفجوة بين التمثيل الرمزي واتخاذ القرار الاحتمالي. من خلال صياغة تبني المنظور كعملية نقل للمعتقدات عبر جسر شرودنغر فوق الديناميكيات المحلية المتعلمة، ينتج النظام معتقدات مركزية للآخرين تتوافق مع الديناميكيات المحلية ولكنها تأخذ في الاعتبار سيناريوهات "ماذا لو" للحالات العقلية للوكلاء الآخرين. تضع الورقة هذا العمل كخطوة نحو توحيد تمثيل المعرفة واتخاذ القرار المتسلسل، وتقدم بديلاً قابلاً للتطبيق للاستدلال المتداخل للمعتقدات الذي يصعب معالجته في نماذج I-POMDP التقليدية. يُقدم العمل كدراسة أولية، مع تحديد توجهات مستقبلية لمعالجة التباين في إدراك الوكلاء الآخرين ونماذج أفعالهم.