ACME: A Multi-Cultural, Multi-Embodiment Social-Navigation Dataset
تقدم الورقة البحثية ACME، وهو عبارة عن مجموعة بيانات واسعة النطاق، ومتعددة الثقافات، ومتعددة التجسيد تم جمعها عبر خمس دول، لتطوير أبحاث ملاحة الروبوتات الاجتماعية من خلال توفير بيانات تفاعلية متنوعة وموجهة نحو الأهداف تعالج نقص التنوع الثقافي والجغراي في الموارد الحالية.
المؤلفون الأصليون:Shashank Rao Marpally, Allan Wang, Atharva Ghotavadekar, Renato Alexandre Ribeiro, Nhat Le, Pilar Bachiller-Burgos, Pranav Goyal, Subham Agrawal, Yasuhiro Nitta, Howard Ziyu Han, Daeun Song, Masaki KuShashank Rao Marpally, Allan Wang, Atharva Ghotavadekar, Renato Alexandre Ribeiro, Nhat Le, Pilar Bachiller-Burgos, Pranav Goyal, Subham Agrawal, Yasuhiro Nitta, Howard Ziyu Han, Daeun Song, Masaki Kuribayashi, Kohei Uehara, Xiyue Wang, Yangzhe Kong, Duc M. Nguyen, Amirreza Payandeh, Gerardo Pérez-González, Alejandro Torrejón-Harto, Jeeho Ahn, Tisha Jain, Andrew Stratton, Elvin Yang, Jorge de Heuvel, Nico Ostermann-Myrau, Sai Anudeep Sajja, Mithilya Raj, Daisuke Sato, Gaston Rouquette, Nikolas Martelaro, Maki Sugimoto, Hironobu Takagi, Chieko Asakawa, Maren Bennewitz, Aaron Steinfeld, Xuesu Xiao, Christoforos Mavrogiannis, Harold Soh
تخيل أنك تحاول تعليم روبوت كيف يمشي عبر ردهة مدرسة مزدحمة دون الاصطدام بأي شخص. لا يقتصر الأمر على تجنب الجدران فحسب؛ بل يتعلق بفهم الرقصة غير المرئية للحركة البشرية. يُطلق على هذا المجال اسم الملاحة الاجتماعية. وبينما يحتاج الروبوت العادي فقط للوصول من النقطة أ إلى النقطة ب دون الاصطدام، يحتاج الروبوت الاجتماعي إلى معرفة القواعد غير المكتوبة للحشود: متى يتنحى جانباً، ما هي المسافة التي تُعتبر "قريبة جداً"، وفي أي جانب من الردهة يفضل الناس السير. هذه القواعد تتغير اعتماداً على مكان وجودك وشكل الروبوت. فالروبوت الذي قد يُعتبر مهذباً في بلد ما قد يُعتبر فظاً في بلد آخر، والروبوت الذي يشبه الكلب قد يُعامل بشكل مختلف عن الروبوت الذي يشبه حقيبة السفر. يهتم العلماء بهذا الأمر لأن الروبوتات، مع بدئها في العمل في منازلنا ومستشفياتنا وشوارعنا، تحتاج إلى الاندماج بشكل طبيعي دون جعلنا نشعر بالارتباك أو عدم الأمان.
هنا يأتي مشروع ACME، وهو مشروع ضخم جديد يعمل بمثابة معسكر تدريب عالمي عملاق لهذه الروبوتات الاجتماعية. فقد أدرك الباحثون وراء ACME أن بيانات تدريب الروبوتات السابقة كانت محدودة للغاية، مثل تعليم سائق القيادة في موقف سيارات هادئ وفارغ ثم توقع منه التعامل مع تقاطع مزدحم في طوكيو. ولإصلاح ذلك، قام الفريق بجولة عالمية، حيث جمعوا بيانات من 8 مواقع مختلفة في 5 دول (بما في ذلك الولايات المتحدة واليابان وسنغافورة وألمانيا وإسبانيا). لم يستخدموا نوعاً واحداً فقط من الروبوتات؛ بل نشروا 7 "أجساد" روبوتية مختلفة (أو تجسيدات)، تتراوح من الروبوتات رباعية الأرجل الشبيهة بالكلاب إلى روبوتات الحقائب ذات العجلات وروبوتات الخدمة الطويلة. وقد سجلوا أكثر من 29 ساعة من حركة الروبوتات عبر الحشود و43.5 ساعة من تصوير الفيديو العلوي لتتبع كيفية سير الناس حولها.
يشير البحث إلى أنه من خلال تغذية نماذج الكمبيوتر بهذه البيانات المتنوعة والفوضوية من العالم الحقيقي، يمكننا تعليم الروبوتات كيف تكون أفضل بكثير في "قراءة الغرفة". وجد الفريق أن الروبوتات المدربة على مجموعة البيانات الجديدة هذه تواجه تحديات أصعب بكثير من تلك المدربة على البيانات القديمة، وهذا أمر جيد في الواقع؛ لأنه يعني أن الروبوتات تتعلم كيفية التعامل مع العالم الحقيقي غير المتوقع. كما اكتشفوا أن الثقافة تلعب دوراً كبيراً: فالناس في بعض البلدان يميلون للمشي على اليمين، بينما يفضل آخرون اليسار، كما أن طريقة تفاعل الناس مع الروبوت تعتمد بشكل كبير على ما إذا كان الروبوت يبدو مثل كلب ودود أو صندوق متحرك. علاوة على ذلك، تظهر الدراسة أن الروبوتات التي تستخدم الكلام (مثل قول "معذرة") تتفاعل بشكل مختلف مع الحشود اعتماداً على حجمها وشكلها. وبينما لا يدعي البحث أنه قد حل مشكلة الملاحة المثالية للروبوتات، إلا أنه يشير إلى أن ACME يوفر "الكتاب المدرسي" الأكثر شمولاً حتى الآن لتعليم الروبوتات كيفية التنقل في الرقصة المعقدة والثقافية والفيزيائية للمساحات البشرية.
ملخص تقني: مجموعة بيانات ACME للملاحة الاجتماعية
بيان المشكلة
تتطلب الملاحة الاجتماعية للروبوتات من الوكلاء المستقلين التحرك بكفاءة وطبيعية داخل بيئات بشرية ديناميكية مع الالتزام بالمعايير الثقافية الضمنية المعتمدة على السياق. وعلى عكس القيادة الذاتية، التي تستفيد من قواعد مهيكلة (مثل علامات المسارات أو إشارات المرور)، يجب على الروبوتات الخدمية المتنقلة التنقل في مساحات غير مهيكلة حيث تختلف المعايير الاجتماعية بشكل كبير عبر الثقافات، والمواقع الجغرافية، وهياكل الروبوتات.
تعاني مجموعات البيانات الحالية الخاصة بالملاحة الاجتماعية والتنبؤ بمسارات المشاة من قيود حرجة:
نقص التنوع: تم جمع معظم مجموعات البيانات في مواقع أو دول واحدة، مما يؤدي إلى الفشل في رصد التباين في سلوك المشاة المدفوع بالسياق الثقافي (مثل جانب المشي المفضل، أو المساحة الشخصية).
محدودية الهيكل (Embodiment): تركز الأعمال السابقة غالبًا على شكل واحد للروبوت، متجاهلة كيف تؤثر مورفولوجيا الروبوت على التفاعل البشري وتوقعات الملاحة.
عدم كفاية التعقيد: تفتقر العديد من مجموعات البيانات إلى السيناريوهات الصعبة "في العالم الحقيقي"، مثل الحشود عالية الكثافة، والزوايا العمياء، والممرات الضيقة، أو تعتمد على نماذج بشرية مبسطة لا يمكن تعميمها على الامتثال الاجتماعي في الواقع.
فجوات البيانات: هناك ندرة في مجموعات البيانات التي تجمع بين ملاحة الروبوت الموجهة نحو الأهداف وبين التفاعل الصريح بين الإنسان والروبوت (مثل الكلام) ومسارات المشاة الموثقة والمبنية على مقاييس حقيقية عبر بيئات ثقافية متنوعة.
المنهجية
يقدم المؤلفون ACME (مجموعة بيانات للملاحة الاجتماعية متعددة الهياكل وعابرة للثقافات)، وهي جهد لجمع البيانات على نطاق واسع يمتد عبر 8 مواقع في 5 دول (سنغافورة، اليابان، الولايات المتحدة الأمريكية، إسبانيا، ألمانيا) باستخدام 7 هياكل روبوتية متميزة.
استراتيجية جمع البيانات
منصات الروبوت: تستخدم مجموعة البيانات 5 أنواع من الروبوتات متميزة بصريًا: 2 من الروبوتات رباعية الأرجل (Unitree GO1/GO2)، 2 من الروبوتات ذات الدفع التفاضلي الشبيهة بحقيبة السفر (يتم تشغيلها بشريًا)، 1 من الروبوتات الشبيهة بالمركبات الجوالة (Rover)، و2 من الروبوتات الخدمية المتنقلة (مثل Stretch 2، Shadow Robot).
إرشادات التشغيل عن بُعد: لضمان التفاعلات الطبيعية، تم توجيه مشغلي الروبوتات (عبر طريقة Wizard of Oz) للبقاء بعيدًا عن الروبوت قدر الإمكان وبأمان لتجنب التأثير على سلوك المشاة. كما تم توجيههم لتحديد أهداف الملاحة مسبقًا وتحديد مقاطع المسار (البداية/النهاية/الاستبعاد).
كلام الروبوت: تتضمن مجموعة فرعية من البيانات (NUS، UEx، Miraikan، Keio) تفاعلات كلامية صريحة للروبوت. حيث قام المشغلون بتفعيل عبارات محددة ("معذرة"، "انتباه، الروبوت هنا"، "يرجى إفساح الطريق") عبر واجهة للتحكم، وذلك لدراسة سياسات التفاعل مع الحشود.
المستشعرات: تم تجهيز جميع الروبوتات بمستشعرات مدمجة تشمل كاميرات RGB، وليدار (LiDAR)، وأجهزة قياس المسافات (Odometry). كما تميزت بعض المواقع بوجود كاميرات علوية بزاوية رؤية علوية (BEV) لتتبع المشاة.
معالجة البيانات وتوصيفها
إخفاء الهوية: للامتثال لمتطلبات مجلس المراجعة المؤسسية (IRB) عبر الدول المختلفة، خضعت البيانات لمستويات متفاوتة من إخفاء الهوية (من طمس الوجه إلى تقسيم الجسم بالكامل). ولتعويض فقدان المعلومات، يوفر المؤلفون صناديق الإحاطة (Bounding boxes)، وأقنعة التقسيم، ونقاط مفصلات الوضعية (Pose keypoints) للمشاة الذين تم إخفاء هويتهم.
التحقق من المسارات: تم تتبع مسارات المشاة من كاميرات BEV في البداية باستخدام أدوات آلية (ByteTrack)، ثم تم التحقق منها بشريًا بتردد 10 هرتز. طور المؤلفون أداة توصيف مخصصة لتصحيح أخطاء التتبع (مثل تبديل المعرفات ID، أو عمليات الكشف المفقودة، أو انقطاع المسارات).
تحويل الإحداثيات: تم تحويل إحداثيات البكسل ثنائية الأبعاد من كاميرات BEV إلى إحداثيات المستوى الأرضي المترية باستخدام تقدير التماثل (Homography) المستمد من علامات AprilTags أو النقاط الثابتة.
وسم السيناريوهات: تم وسم مسارات الروبوت يدويًا بملصقات السيناريوهات (مثل الممرات الضيقة، التقاطعات، الزوايا العمياء، المجموعات المحادثة العابرة) لتسهيل عملية التصفية الخاصة بكل سينخل.
المساهمات الرئيسية
الحجم والتنوع: تعد ACME أكبر (من حيث المدة) وأكثر مجموعات البيانات تنوعًا للملاحة الاجتماعية حتى الآن، حيث تضم 29.35 ساعة من بيانات الروبوت المدمجة و43.5 ساعة من تتبع المشاة العلوي عبر 5 دول و7 هياكل روبوتية.
مسارات BEV الموسومة بشريًا: توفر أكبر مجموعة بيانات للتنبؤ بمسارات المشاة من منظور الرؤية العلوية (BEV) الموسومة بشريًا مع تحويلات الإحداثيات المترية، مما يعالج نقص البيانات الموثقة والمبنية على مقاييس حقيقية في الأعمال السابقة.
التحليل عبر الثقافات وتعدد الهياكل: تلتقط مجموعة البيانات صراحةً الاختلافات في سلوك الملاحة عبر الثقافات المختلفة وهياكل الروبوتات، مما يتيح دراسة المعايير الاجتماعية المعتمدة على السياق.
تكامل كلام الروبوت: تتضمن مجموعة فرعية فريدة من البيانات التي تلتقط التفاعلات الكلامية الصريحة بين الروبوت والحشد، مما يسمح بدراسة سياسات التواصل اللفظي في الملاحة.
اختبارات شاملة: يقدم المؤلفون اختبارات واسعة النطاق لنماذج الملاحة الرؤية الحديثة (ViNT, NoMAD) ونماذج التنبؤ بالمسارات (SocialGAN, AgentFormer, MoFlow، إلخ) على مجموعة البيانات، مما يوضح التحديات التي تفرضها ACME مقارنة بالمراجع الحالية.
النتائج والتحليل
خصائص مجموعة البيانات
تعقيد السيناريو: مقارنة بمجموعات البيانات السابقة (SCAND, MuSoHu)، تلتقط ACME توزيعًا أوسع للسيناريوهات الصعبة. فهي تتميز بكثافة مشاة أعلى بالقرب من الروبوت وقدرة مرور أكثر تقييدًا (ممرات ضيقة، زوايا عمياء).
معدلات فشل المخطط (Planner): عند اختبارها مقابل مخطط هندسي (TEB)، أدت مشاهد ACME إلى ضعف عدد حالات فشل المخطط في الدقيقة و4 أضعاف حالات الفشل لكل 5 أمتار مقارنة بـ SCAND، مما يشير إلى أن ACME تلتقط سيناريوهات تعاني فيها المخططات الهندسية القياسية بشكل كبير.
أداء نموذج الملاحة: أظهرت نماذج الملاحة التأسيسية الحديثة (ViNT, NoMAD) المدربة على مجموعات البيانات الحالية (SCAND) أداءً متراجعًا على ACME، مع ارتفاع في أخطاء الوجهة النهائية (FDE) وأخطاء الاتجاه، مما يسلط الضوء على فجوة التعميم.
التنبؤ بالمسار: أدت نماذج التنبؤ بالمسار الحديثة أداءً أسوأ في ACME مقارنة بمجموعات بيانات ETH/UCY. وعند التصفية للمشاة المتحركين فقط، كان انخفاض الأداء أكثر أهمية (انخفاض ADE/FDE بنحو 0.38م/0.72م)، مما يشير إلى أن ACME تلتقط ديناميكيات الحركة البشرية المعقدة غير الموجودة في المجموعات الأصغر والأقدم.
الرؤى السلوكية
الاختلافات الثقافية: كشف تحليل تفضيلات جانب المرور أن المشاة في الولايات المتحدة وألمانيا يفضلون المرور من جهة اليمين بشكل أساسي، بينما أظهر أولئك في اليابان وسنغافورة ميلًا للمرور من جهة اليسار، وإن كان ذلك أقل وضوحًا في الممرات الضيقة.
السرعة والكثافة: تباينت سرعات المشي بشكل كبير حسب الموقع؛ حيث أظهرت المواقع الخارجية (ألمانيا، سنغافورة) سرعات أعلى، بينما أظهرت بيئات المتاحف (Miraikan) والمناطق عالية الكثافة سرعات أبطأ.
المساحة الشخصية: وُجد أن المساحة الشخصة الجانبية كانت أضيق في بيئات الممرات مقارنة بالمساحات المفتوحة، مما يشير إلى أن القيود البيئية تتجاوز المعايير الثقافية في الأماكن الضيقة.
الأهمية والادعاءات
يزعم البحث أن ACME تعالج فجوة جوهرية في أبحاث الروبوتات الاجتماعية من خلال توفير أساس قائم على البيانات لتعلم سياسات الملاحة التي تكون قوية تجاه الاختلافات الثقافية والهيكلية. ويؤكد المؤلفون أن:
ACME هي أول مجموعة بيانات تلتقط الملاحة الاجتماعية بشكل منهجي عبر سياقات ثقافية وهياكل روبوتية متعددة.
تنوع وتعقيد مجموعة البيانات يجعلها مرجعًا حاسمًا لتقييم قدرات التعميم لنماذج الملاحة والتنبؤ بالمسار الحالية.
إن تضمين المسارات المترية الموثقة ووسوم السيناريوهات يتيح للباحثين تطوير واختبار سياسات ملاحة واعية بالسياق وواعية بالهيكل الروبوتي، متجاوزين بذلك حدود الدراسات ذات الموقع الواحد أو الروبوت الواحد.
تسهل مجموعة البيانات دراسة كلام الروبوت كأداة لإدارة الحشود الاستباقية، وهي ميزة غائبة إلى حد كبير في مجموعات البيانات السابقة.
يخلص المؤلفون إلى أن ACME ستكون موردًا لتطوير أبحاث الملاحة الاجتماعية، لا سيما في تطوير النماذج التي يمكنها التكيف مع المعايير الدقيقة والضمنية والمعتمدة ثقافيًا في المساحات المشتركة مع البشر.