AnyMo: Geometry-Aware Setup-Agnostic Modeling of Human Motion in the Wild
إنّ AnyMo هو إطار عمل مدرك للهندسة وغير مرتبط بإعدادات محددة، يستفيد من محاكاة وحدة قياس القصور الذاتي (IMU) القائمة على الفيزياء والمواءمة مع النماذج اللغوية الكبيرة (LLM) لتمكين فهم قوي ومعمم لحركة الإنسان عبر مختلف الأجهزة القابلة للارتداء ومجموعات البيانات غير المرئية، متفوقاً بشكل كبير على الطرق الحالية في التعرف على الأنشطة في وضع الصفر، والاسترجاع متعدد الوسائط، ووصف الحركة.
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 أن لديك ساعة ذكية، أو جهاز تتبع لياقة بدنية، أو حتى مستشعراً في حذائك. هذه الأجهزة بارعة في استشعار كيفية حركة جسدك. ولكن إليك المشكلة: الحركة تبدو مختلفة تماماً اعتماداً على مكان وضع المستشعر.
إذا لوحت بيدك، سيرى مستشعر على معصمك أرجحة كبيرة وسريعة. أما المستشعر الموجود على وركك، فسيرى تمايلاً طفيفاً وغير ملحوظ. والمستشعر الموجود على رأسك لن يرى شيئاً تقريباً. النماذج الحالية للذكاء الاصطناعي تشبه الطلاب الذين درسوا لاختبار واحد محدد فقط؛ فإذا قمت بنقل المستشعر إلى مكان مختلف أو غيرت العلامة التجارية للجهاز، سيصاب الذكاء الاصطناعي بالارتباك ويفشل.
تقدم هذه الورقة البحثية AnyMo، وهو إطار عمل جديد للذكاء الاصطناعي مصمم ليكون "مترجماً عالمياً" للحركة البشرية، بغض النظر عن مكان وضع المستشعر.
إليك كيف يعمل AnyMo، مقسماً إلى مفاهيم بسيطة:
1. "النادي الرياضي الافتراضي" (المحاكاة الواعية بالهندسة)
بدلاً من محاولة جمع ملايين المستشعرات من العالم الحقيقي من كل نقطة ممكنة في جسم الإنسان (وهو أمر مستحيل)، قام AnyMo ببناء نادي رياضي افتراضي.
- التشبيه: تخيل مانيكان رقمي ثلاثي الأبعاد. لم يكتف الباحثون بوضع مستشعر على معصم المانيكان فحسب، بل قاموا "بطلاء" آلاف المستشعرات الصغيرة افتراضياً في كل مكان على جلد المانيكان — على الكوع، والركبة، والظهر، والجبهة.
- الفيزياء: استخدموا الفيزياء لمحاكاة كيفية اهتزاز ودوران تلك المستشعوات بدقة أثناء مشي المانيكان أو ركضه أو رقصة. خلق هذا مكتبة ضخمة من سيناريوهات "ماذا لو"، مما علم الذكاء الاصطناعي أن "المشي" يبدو مختلفاً على الركبة عنه على الكتف، لكنه يظل في الأساس نفس الفعل.
2. "اللغز مع عصبة العينين" (التدريب المسبق المستقل عن الإعداد)
بمجرد أن تعلم الذكاء الاصطناعي من النادي الرياضي الافتراضي، كان عليهم تعليمه كيفية التعامل مع مواقف العالم الحقيقي حيث تكون المستشعرات مفقودة أو موضوعة بشكل عشوائي.
- التشبيه: تخيل أنك تعرض على الذكاء الاصطناعي لغزاً كاملاً لشخص يمشي، ثم تقوم بتغطية عينيه بحيث لا يمكنه رؤية سوى قطعتين أو ثلاث قطع من اللغز (المستشعرات الفعلية الموجودة على شخص حقيقي).
- الحيلة: يتعين على الذكاء الاصطناعي تخمين كيف تبدو الصورة الكاملة بناءً على تلك القطع القليلة فقط. ومن خلال التدرب على هذا مراراً وتكراراً مع "عصبات أعين" مختلفة (إعدادات مستشعرات مختلفة)، يتعلم الذكاء الاصطناعي الهيكل الجوهري للحركة بدلاً من حفظ مواقع مستشعرات محددة. إنه يتعلم "روح" الحركة، وليس مجرد "جلد" بيانات المستشعر.
3. "المترجم" (الترميز والنموذج اللغوي الكبير - LLM)
بيانات المستشعرات الخام هي مجرد تدفق من الأرقام (التسارع، السرعة، إلخ). النماذج اللغوية الكبيرة (LLMs) مثل المستخدمة في هذه الورقة بارعة في فهم الكلمات، لكنها تتعثر أمام الأرقام الخام.
- التشبيه: يعمل AnyMo كـ مترجم. فهو يأخذ التدفق المستمر والفوضوي لأرقام المستشعرات ويضغطها في "رموز حركية" (motion tokens) مدمجة (مثل الكلمات في الجملة).
- النتيجة: بدلاً من تغذية الذكاء الاصطناعي بمليون رقم، فإنه يغذيه بجملة قصيرة من "كلمات الحركة". وهذا يسمح للذكاء الاصطناعي بربط الحركة مباشرة باللغة.
ماذا يمكن لـ AnyMo أن يفعل؟
اختبرت الورقة البحثية AnyMo في ثلاث مهام رئيسية، وقد تفوق على جميع الطرق السابقة:
التعرف الصفري (لعبة "خمن النشاط"):
- عرضوا على AnyMo بيانات من 14 مجموعة بيانات مختلفة لم يرها من قبل (مستشعرات مختلفة، أشخاص مختلفون، أنشطة مختلفة).
- النتيجة: استطاع AnyMo تخمين ما يفعله الشخص بشكل صحيح (مثل "الطبخ"، "المشي"، "الرقص") دون أن يتم تدريبه صراحة على تلك المجموعات المحددة. لقد حسن الدقة بنسبة 12% تقريباً مقارنة بأفضل طريقة تالية.
الاسترجاع عبر الوسائط (محرك البحث):
- من النص إلى الحركة: تكتب "شخص يفتح ثلاجة"، فيجد الذكاء الاصطناعي مقطع الفيديو أو بيانات المستشعر المطابق تماماً.
- من الحركة إلى النص: ترفع تسجيلاً للمستشعر، فيجد الذكاء الاصطناعي الوصف النصي الذي يطابقه.
- النتيجة: كان AnyMo أفضل بكثير في إيجاد المطابقة الصحيحة من النماذج الأخرى، حتى عندما كانت البيانات قادمة من أجهزة مختلفة تماماً.
وصف الحركة (الحكواتي):
- تعطي الذكاء الاصطناعي تسجيلاً للمستشعر، فيكتب جملة تصف ما حدث.
- النتيجة: بدلاً من قول أشياء عامة مثل "تحرك الذراع"، كتب AnyMo أوصافاً محددة مثل: "شخص يمشي في ممر، يستدير يميناً، ويفتح خزانة". لقد التقط قصة الحركة، وليس فقط فيزياء الحركة.
الخلاصة
تدعي الورقة البحثية أنه من خلال التعامل مع وضع المستشعر كمشكلة هندسية مهيكلة (باستخدام شكل الجسم) بدلاً من متغير عشوائي، ومن خلال تعليم الذكاء الاصطناعي ترجمة الحركة إلى لغة، فإن AnyMo يخلق نموذجاً عام الغرض لحركة الأجهزة القابلة للارتداء.
إنه لا يتعرف فقط على نشاط معين في ساعة معينة؛ بل يفهم مفهوم الحركة البشرية، مما يسمح له بالعمل مع أي جهاز، وفي أي جزء من الجسم، في الواقع العملي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.