💻 computer science

GenHAR: Generalizing Cross-domain Human Activity Recognition for Last-mile Delivery

يُعد GenHAR إطار عمل مبتكر يعالج انزياحات التوزيع عبر المجالات في التعرف على الأنشطة البشرية من خلال ترميز بيانات الاستشعار واستخدام التغطية الانتقائية مع الانتباه الفعال لتحقيق دقة وكفاءة تبلغان أحدث ما توصل إليه العلم، كما تم التحقق من ذلك من خلال النشر واسع النطاق في العالم الحقيقي في عمليات توصيل الميل الأخير.

المؤلفون الأصليون: Zhiqing Hong, Zelong Li, Xiubin Fan, Guang Yang, Baoshen Guo, Haotian Wang, Tian He, Desheng Zhang

نُشر 2026-05-22

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zhiqing Hong, Zelong Li, Xiubin Fan, Guang Yang, Baoshen Guo, Haotian Wang, Tian He, Desheng Zhang

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 تحاول تعليم روبوت التعرف على ما إذا كان عامل التوصيل يمشي، أو يصعد الدرج، أو يقف ساكنًا. قمت بتدريب الروبوت باستخدام بيانات من مجموعة محددة من السائقين في بكين. ولكن عندما ترسل نفس الروبوت للعمل مع سائقين في شنغهاي، أو حتى مع سائقين مختلفين في نفس المدينة، يبدأ في ارتكاب الأخطاء. يصبح مرتبكًا لأن "صوت" البيانات يبدو مختلفًا — ربما تُحمل الهواتف في جيوب مختلفة، أو يسير السائقون بأساليب حركة مختلفة.

هذه هي المشكلة التي يحلها بحث GenHAR. إنه نظام جديد مصمم لمساعدة الحواسيب على التعرف على الأنشطة البشرية (مثل المشي أو صعود الدرج) حتى عندما تأتي البيانات من "عالم" مختلف تمامًا عن العالم الذي تدرّب عليه.

إليك كيف يعمل، مقسمًا إلى مفاهيم بسيطة:

1. المشكلة: قضية "اللكنة"

فكر في بيانات المستشعرات (من هاتف أو ساعة) كأنها شخص يتحدث. إذا دربت مترجمًا على فهم لكنة شخص معين، فقد يواجه صعوبة عندما يتحدث هذا الشخص مع صديق له لكنة مختلفة. في عالم التوصيل، يتحرك كل عامل توصيل بشكل مختلف قليلاً، ويضع هاتفه في مكان مختلف، ويستخدم جهازًا مختلفًا. هذا يخلق "انزياحًا في التوزيع" (distribution shift) — حيث تبدو البيانات مختلفة بما يكفي لتجعل الذكاء الاصطناعي القديم يرتبك ويفشل.

حاول معظم الذكاء الاصطناعي السابق حل هذه المشكلة عبر إظهار أمثلة من المجموعة الجديدة (المجال المستهدف) أثناء التدريب. لكن في العالم الحقيقي، غالبًا لا يمكنك الحصول على تلك البيانات مسبقًا. أنت بحاجة إلى نظام يتعلم من مجموعة واحدة ويعمل فورًا لأي مجموعة أخرى دون الحاجة إلى تدريب إضافي.

2. الحل: الاستماع إلى "الموسيقى" بدلاً من "الكلمات"

أدرك المؤلفون أن النظر إلى البيانات الخام (الكلمات أو الجدول الزمني للحركة) يسبب الكثير من الضجيج. بدلاً من ذلك، قرروا ترجمة الحركة إلى مساحة التردد (الموسيقى).

التشبيه: تخيل شخصين يغنيان نفس الأغنية. أحدهما يغنيها بسرعة، والآخر يغنيها ببطء. إذا نظرت إلى الكلمات (الزمن)، ستبدو مختلفة جدًا. ولكن إذا نظرت إلى النوتة الموسيقية (التردد)، فإن اللحن والنغمات ستكون متطابقة تقريبًا.
الابتكار: يقوم GenHAR بتحويل بيانات الحركة الخام إلى هذه "النوتة الموسيقية للتردد". لقد وجدوا أن "لحن" النشاط (مثل المشي) يظل ثابتًا حتى لو تغير "الإيقاع" أو "الآلة الموسيقية" (هاتف معين أو شخص معين). هذا يجعل الذكاء الاصطناعي أكثر قوة ومتانة.

3. السر الخفي: "أوركسترا المستشعرات"

بمجرد تحويل البيانات إلى هذا التنسيق الترددي، يستخدم GenHAR نوعًا خاصًا من "آلية الانتباه" (attention mechanism).

التشبيه: تخيل أوركسترا. قد يستمع الذكاء الاصطناعي العادي إلى قسم الكمان ويحاول فهم الأغنية بأكملة فقط من خلال مراقبة كيفية تغير نوتات الكمان بمرور الوقت.
نهج GenHAR: يعمل GenHAR مثل المايسترو الذي يستمع إلى كيفية "تحدث" الكمان، والتشيلو، والطبول مع بعضها البعض. هو يدرك أن العلاقة بين المستشعرات المختلفة (مقياس التسارع والجيروسكوب) هي المفتاح لفهم النشاط.
الحجب الانتقائي (Selective Masking): لتوفير الطاقة، لا يستمع إلى كل المحادثات الممكنة بين الآلات. فهو يعرف أن "مقياس التسارع (يسار-يمين)" لا يحتاج حقًا للتحدث مع "الجيروسكوب (أعلى-أسفل)". إنه يُسكت تلك المحادثات غير الضرورية، مما يجعل النظام سريعًا وفعالًا للغاية.

4. النتائج: أسرع، أذكى، ومختبر في العالم الحقيقي

يدعي البحث تحقيق ثلاث انتصارات رئيسية:

الدقة: هو أكثر دقة بشكل ملحوظ من الطرق الحالية المتطورة (أفضل بنسبة 10% تقريبًا في المتوسط). لم يكن مجرد تخمين؛ بل تعلم "اللحن" الحقيقي للنشاط.
الكفاءة: هو أخف وزنًا بكثير. يتطلب طاقة حوسبة أقل بـ 6.4 مرة من أفضل النماذج الموجودة. وهذا أمر بالغ الأهمية لأن عمال التوصيل يستخدمون هذه النماذج على هواتفهم، والتي تمتلك قدرة محدودة على المعالجة والبطارية.
النشر في العالم الحقيقي: لم يكتفِ الفريق باختبار هذا في المختبر فحسب. بل تعاونوا مع JD Logistics، وهي شركة لوجستية كبرى في الصين. قاموا بتثبيت GenHAR على هواتف 9,985 عامل توصيل في 4 مدن.
- في شهر واحد فقط، نجح النظام في رصد 2.15 مليار نشاط.
- حدد بدقة متى كان العمال يمشون، أو يصعدون الدرج، أو يقفون ساكنين، رغم أنه تم تدريبه على بيانات من مجموعة أشخاص مختلفة تمامًا.

5. لماذا يهم هذا قطاع التوصيل؟

يسلط البحث الضوء على طريقتين محددتين يساعدان شركة اللوجستيات:

توزيع عادل للأعباء: من خلال معرفة مقدار صعود الدرج أو المشي الذي يقوم به عامل التوصيل بدقة، يمكن للشركة توزيع المهام بشكل أكثر عدلًا. إذا كان المبنى لا يحتوي على مصعد، فإن النظام يعرف أن هذا العامل قام بـ "عمل إضافي"، ويمكن تعديل أجره أو عبء مهامه بناءً على ذلك.
خرائط أفضل: يساعد النظام في التحقق من عناوين الشحن. إذا قال عامل التوصيل إنه في عنوان معين بينما يظهر الهاتف أنه يتحرك باستمرار، فإن النظام يعرف أن العنوان قد يكون خاطئًا. ساعدهم هذا في رسم خرائط لأكثر من 6.8 مليون عنوان شحن بدقة عالية.

باختصار: GenHAR هو ذكاء اصطناعي ذكي وخفيف الوزن يتعلم "اللحن العالمي" للحركة البشرية. إنه يتجاهل ضجيج الهواتف والأشخاص المختلفين، مما يسمح له بالتعرف على الأنشطة بشكل مثالي في أي مكان وفي أي وقت، دون الحاجة إلى إعادة تدريبه.

ملخص تقني: GenHAR – تعميم التعرف على الأنشطة البشرية عبر النطاقات المختلفة لخدمات التوصيل في الميل الأخير

1. بيان المشكلة

يعد التعرف على الأنشطة البشرية (HAR) باستخدام مستشعرات وحدة القياس بالقصور الذاتي (IMU) أمراً بالغ الأهمية لتطبيقات مثل الرعاية الصحية الذكية ولوجستيات توصيل الميل الأخير. ومع ذلك، فإن هناك عائقاً كبيراً أمام النشر في العالم الحقيقي وهو انزياح التوزيع عبر النطاقات (cross-domain distribution shift). فالنماذج التي يتم تدريبها على بيانات من نطاق مصدر محدد (مثل مستخدم معين، أو وضعية جهاز معينة، أو بيئة معينة) غالباً ما تعاني من تدهور ملحوظ في الأداء عند اختبارها على نطاقات مستهدفة غير مرئية، وذلك بسبب الاختلافات في وضعية المستشعر، والأنماط السلوكية الفردية، والضوضاء البيئية.

تعتمد الحلول الحالية عادةً على تكييف النطاق (Domain Adaptation)، والذي يتطلب الوصول إلى بيانات النطاق المستهدف (التي غالباً ما تكون غير مصنفة) أثناء التدريب. ومع ذلك، في السيناريوهات العملية مثل توصيل الميل الأخير، يكون جمع وتصنيف بيانات النطاق المستهدف أمراً غير ممكن أو يستغرق وقتاً طويلاً ومكلفاً. بناءً على ذلك، يكمن التحدي في تحقيق تعميم النطاق (Domain Generalization): أي تدريب نموذج حصرياً على بيانات نطاق المصدر بحيث يمكنه التعميم بفعالية على نطاقات مستهدفة غير مرئية دون الحاجة للوصول إلى أي بيانات من النطاق المستهدف. علاوة على ذلك، يجب أن تكون هذه النماذج فعالة حاسبياً بما يكفي للعمل على الأجهزة المحمولة وأجهزة الحافة (edge devices) محدودة الموارد في الوقت الفعلي.

2. المنهجية: إطار عمل GenHAR

GenHAR هو إطار عمل مبتكر مصمم لتعلم تمثيلات مستشعرات ثابتة للنطاق من خلال بيانات نطاق المصدر فقط. وهو يعالج تحديات انزياح التوزيع والكفاءة الحسابية من خلال ثلاثة مبادئ تصميمية أساسية:

أ. التحويل إلى الفضاء الترددي

على عكس معظم طرق التعرف على الأنشطة البشرية (HAR) الحالية التي تعمل في النطاق الزمني، يقوم GenHAR بتحويل بيانات السلاسل الزمنية الخام لمستشعر IMU إلى النطاق الترددي باستخدام تحويل فوريه السريع (FFT).

المبرر: تتميز ميزات النطاق الزمني بحساسيتها العالية لعوامل عشوائية مثل الضوضاء وتفضيلات الحركة الطفيفة، مما يؤدي إلى انزياحات توزيع كبيرة بين النطاقات. في المقابل، تعد ميزات التردد (تحديداً السعة/Amplitude) أكثر متانة تجاه الإزاحات الزمنية وتظهر فجوات توزيع أصغر بين المصدر والنطاق المستهدف.
السعة مقابل الطور (Amplitude vs. Phase): يستخدم إطار العمل خصائص السعة تحديداً بدلاً من الطور أو القيم المركبة. وقد أظهر التحليل التجريبي أن ميزات الطور حساسة جداً لاتجاه الجهاز والضوضاء، بينما تظل ميزات السعة مستقرة نسبياً عبر النطاقات المختلفة. كما أن مسافة "إيمولر" (Earth Mover's Distance - EMD) بين النطاقات أقل بكثير في فضاء السعة مقارنة بفضاء الطور أو الفضاء الزمني.

ب. آلية الانتباه الذاتي لكل مستشعر (Sensor-wise Self-Attention)

يستخدم GenHAR بنية قائمة على الـ Transformer، لكنه يقدم آلية مبتكرة لـ الانتباه الذاتي لكل مستشعر في فضاء التردد.

الترميز (Tokenization): بدلاً من معاملة الخطوات الزمنية الفردية كرموز (tokens)، يتم التعامل مع تسلسل مكونات السعة الكامل لنطاق مستشعر واحد كرمز واحد.
تعلم الارتباط: يتم حساب آلية الانتباه عبر بُعد قنوات المستشعر (على سبيل المثال، بين محاور X و Y و Z لمقياس التسارع والجيروسكوب) بدلاً من طول التسلسل الزمني. وهذا يلتقط الارتباطات الفيزيائية المتأصلة بين قنوات المستشعرات المختلفة، والتي يرى المؤلفون أنها أكثر ثباتاً عبر النطاقات من إشارات القنوات الفردية.
القناع الانتقائي (Selective Masking): لتحسين الكفاءة والأهمية الفيزيائية، يتم تطبيق استراتيجية قناع انتقائية. حيث تقوم بحجب الارتباطات بين القياسات غير المرتبطة فيزيائياً (مثل محور X لمقياس التسارع ومحور Y للجيروسكوب) مع الحفاظ على الارتباطات داخل نفس نوع المستشعر أو عبر المحاور المتناظرة (مثل $Acc_x$ و $Gyro_x$ ). وهذا يقلل من الحسابات غير الضرورية ويركز النموذج على العلاقات ذات المعنى داخل المستشعر وبين المستشعرات.

ج. تحسين الكفاءة

لتلبية متطلبات الوقت الفعلي للأجهزة المحمولة، يقلل GenHAR من التعقيد الحسابي بشكل كبير:

من خلال حساب الانتباه عبر بُعد قنوات المستشعر (عادةً 6 محاور) بدلاً من طول التسلسل الزمني الكامل، تنخفض التعقيدات بشكل هائل.
تعمل آلية القناع الانتقائي على تقليل عمليات ضرب المصفوفات بنسبة تقارب 33.3%.
يقوم إطار العمل بإزالة "المكون المستمر" (DC component) والنصف الثاني المتماثل من طيف FFT لتقليل حجم المدخلات بشكل أكبر.

3. المساهمات الرئيسية

يدعي البحث المساهمات التالية:

أول نظام HAR عبر النطاقات في فضاء التردد: حسب علم المؤلفين، يعد هذا أول عمل يعالج مشكلة التعرف على الأنشطة البشرية عبر النطاقات من خلال تعلم انتباه المستشعر تحديداً داخل فضاء تردد الإشارة، دون الحاجة لبيانات تدريب من النطاق المستهدف.
بنية مبتكرة: تصميم GenHAR، وهو Transformer في فضاء التردد يلتقط ارتباطات المستشعرات عبر وحدة انتباه لجهة القناة، مما يثبت إمكانية تعلم تمثيلات IMU قابلة للتعميم حصرياً من النطاق الترددي.
أداء وكفاءة متفوقة: أظهرت التجاريات المكثفة أن GenHAR يتفوق على النماذج المرجعية (baselines) المتطورة (SoA) مع كونه أكثر كفاءة بشكل ملحوظ.
النشر في العالم الحقيقي: تم نشر إطار العمل بنجاح في بيئة صناعية واسعة النطاق لعمليات توصيل الميل الأخير.

4. النتائج التجريبية

قيم المؤلفون GenHAR على أربعة مجموعات بيانات من العالم الحقيقي (UCI, Shoaib, Motion, HHH) تتضمن أربعة أنشطة مشتركة (المشي، الوقوف/الجلوس، صعود الدرج، نزول الدرج).

الدقة: حقق GenHAR متوسط دقة عبر النطاقات بلغت 81.42%، متفوقاً على ثاني أفضل نموذج (UniHAR) بنسبة 9.97%. لقد تفوق باستمرار على النماذج المرجعية الأخرى، بما في ذلك طرق ما قبل التدريب (LIMUBERT, ContraTSC) وطرق تكييف/تعميم النطاق (SDMix, UniHAR).
الكفاءة:
- العمليات الحسابية (FLOPs): قلل GenHAR العمليات الحسابية بنسبة 6.4 مرة مقارنة بأفضل نموذج مرجعي.
- حساب الانتباه الذاتي: أدى تصميم الانتباه لكل مستشعر إلى تقليل حسابات الانتباه الذاتي بمقدار 43.2 مرة مقارنة بالانتباه الترددي القياسي.
- وقت الاستدلال: على الأجهزة المحمولة (PDAs)، بلغ متوسط وقت الاستدلال 0.00647 ثانية، وعلى الساعات الذكية بلغ 0.02505 ثانية.
دراسات الاستئصال (Ablation Studies):
- إزالة الميزات الترددية (باستخدام مدخلات النطاق الزمني) أدى إلى انخفاض في الدقة بنسبة 13.51%.
- استبدال السعة بميزات الطور أدى إلى انخفاض في الدقة بنسبة 31.19%، مما يؤكد تفوق ميزات السعة في ثبات النطاق.
- استبدال الانتباه لكل مستشعر بالانتباه الزمني القياسي أدى إلى انخفاض في الدقة بنسبة 17.10%.

5. النشر في العالم الحقيقي والأهمية

يسلط البحث الضوء على نشر GenHAR في شركة JD Logistics عبر 4 مدن شملت 9,985 مندوب توصيل.

الحجم: في شهر واحد، رصد النظام 2.15 مليار نشاط في الوقت الفعلي (1.84 مليار حالة سكون، 215 مليون مشي، 54.8 مليون صعود درج، 3-39.8 مليون نزول درج).
التطبيقات:
- فهم عبء العمل: يحدد النظام سيناريوهات التوصيل عالية الجهد (مثل المباني التي لا تحتوي على مصاعد) لدعم خوارزميات التعويض العادل وتوزيع المهام المنصف.
- تنقيب مواقع العناوين: من خلال دمج التعرف على الأنشطة مع مسارات GPS، استنتج النظام مواقع أكثر من 6.8 مليون عنوان شحن بدقة 93.3% (ضمن نطاق 100 متر)، مما يحسن الملاحة اللوجستية وتخصيص الطرود.

6. الأهمية المزعومة

يضع المؤلفون GenHAR كتقدم كبير لـ توصيل الميل الأخير وللذكاء الاصطناك المعتمد على المستشعرات بشكل عام. تكمن الأهمية في:

حل مشكلة ندرة البيانات: يوفر حلاً قابلاً للتطبيق للتعرف على الأنشطة عبر النطاقات حيث لا تتوفر بيانات النطاق المستهدف، وهو قيد شائع في العمليات اللوجستية الواقعية.
التصميم المدفوع بالفيزياء: يشير نجاح نهج فضاء التردد والانتباه لكل مستشعر إلى أن نمذجة مبادئ التوليد الفيزيائي لإشارات IMU (بدلاً من مجرد الأنماط الإحصائية) يؤدي إلى نماذج أكثر متانة وقابلية للتعميم.
قابلية النشر على الحافة: من خلال تقليل التكاليف الحسابية بشكل كبير مع الحفاظ على دقة عالية، يثبت GenHAR أن نماذج تعميم النطاق المتطورة يمكن نشرها على أجهزة منخفضة الموارد لتطبيقات صناعية واسعة النطاق وفي الوقت الفعلي.