Hybrid Attention Estimation Pipeline for Adaptive HRI Using an Expressive Robotic Head

تخيل عالماً لا تكون فيه الروبوتات مجرد آلات خرقاء تتبع نصوصاً جامدة، بل شركاء اجتماعيين يمكنهم حقاً "قراءة الغرفة". هذا هو جوهر التفاعل بين الإنسان والروبوت (HRI)، وهو مجال علمي مخصص لتعليم الآلات كيفية التصرف كأصدقاء مهذبين ومنتبهين. لكي يكون الروبوت محاوراً جيداً، فإنه يحتاج إلى فهم مفهوم الانتباه البصري: معرفة متى تنظر إليه، ومتى تشتت انتباهك بهاتفك، أو متى تشيح بنظرك بعيداً. فكر في الأمر كأنه رقصة؛ إذا توقف أحد الشريكين عن النظر إلى الآخر، تصبح الرقصة مربكة. إذا استطاع الروبوت التمييز بين تجاهلك له وبين مجرد إلقائك نظرة سريعة على رسالة نصية، فيمكنه أن يقرر ما إذا كان سيوقف المحادثة، أو ينتظر بصبر، أو يستمر في الكلام. تستكشف هذه الورقة كيفية بناء روبوت لا يرى وجهك فحسب، بل يفهم لماذا قد تشيح بنظرك بعيداً، باستخدام مزيج من الرياضيات السريعة والذكاء الاصطنا الذكي للحفاظ على تدفق التفاعل بشكل طبيعي.

---

الروبوت الذي يعرف متى تشعر بالملل (ومتى تتحقق فقط من هاتفك)

تعرفوا على رأس "InMoov". إنه وجه روبوتي مطبوع بتقنية ثلاثية الأبعاد، معبر يمكنه تحريك حواجبه، وجفنيه، وفكه لإظهار العواطف، تماماً مثل دمية عالية التقنية. لكن الوجه الجميل لا فائدة منه إذا لم يكن الروبوت في الداخل يعرف ما يحدث حوله. أراد الباحثون وراء هذه الدراسة حل مشكلة صعبة: كيف تجعل الروبوت يتفاعل فوراً عندما تشيح بنظرك بعيداً، دون أن يرتبك إذا كنت تنظر إلى هاتفك مقابل النظر إلى السماء؟

للقيام بذلك، بنوا "دماغاً هجيناً" للروبوت، يعمل مثل فريق مكون من شخصين بمهام مختلفة تماماً.

العداء السريع والمراقب الحكيم
تخيل أن الروبوت لديه دماغان يعملان في نفس الوقت.

1. العداء السريع (الطبقة الهندسية): هذا الجزء سريع للغاية. يستخدم رياضيات بسيطة لتتبع زاوية رأسك. إذا كان رأسك يواجه الروبوت، يصرخ العداء: "لدينا انتباه!" وإذا أدرت رأسك، يصرخ: "فُقد الانتباه!" إنه يشبه حكماً يطلق صافرته في اللحظة التي يخرج فيها اللاعب عن الحدود. إنه سريع وموثوق من حيث التوقيت، لكنه لا يعرف إلى ماذا تنظر، بل يعرف فقط أين يتجه رأسك.
2. المراقب الحكيم (الطبقة الدلالية): هذا الجزء أبطأ ولكنه أكثر ذكاءً بكثير. يستخدم ذكاءً اصطناعياً قوياً يسمى نموذج الرؤية واللغة (VLM). بدلاً من مجرد قياس الزوايا، ينظر إلى الصورة الكاملة ويقول: "أوه، الشخص ينظر إلى هاتفه"، أو "إنه ينظر إلى طائر في الشجرة". إنه يشبه صديقاً يلاحظ أنك تراسل شخصاً ما ويفهم السياق.

السحر يحدث عندما يتحدث هذان الطرفان مع بعضهما البعض. يتحكم "العداء السريع" في أفعال الروبوت الفورية (مثل إيقاف قصة ما)، بينما يراقب "المراقب الحكيم" جنباً إلى جنب للتأكد من أن الروبوت لا يرتكب خطأً.

التجربة: 10 أشخاص، 40 محادثة
اختبر الفريق هذا النظام مع 10 متطوعين. جلس كل شخص أمام الروبوت في أربعة سيناريوهات مختلفة. في بعض الاختبارات، كان الروبوت يدردش بشكل طبيعي. وفي اختبارات أخرى، كان الروبوت "تفاعلياً"، مما يعني أنه من المفترض أن يلاحظ ما إذا تشتت انتباه الشخص وأن يتوقف عن الكلام.

كانت النتائج سلسة بشكل مفاجئ. في كل تجربة من الـ 40 تجربة، نجح الروبوت في رصد الشخص، وأدرك أنه كان منتبهاً، وبدأ المحادثة. استغرق الأمر حوالي 1.73 ثانية لرصد الشخص وحوالي 4.74 ثانية للتأكد من أنه ينظر إلى الروبوت قبل بدء الكلام.

عندما كان الروبوت في "الوضع التفاعلي" وتظاهر الشخص بتشتت انتباهه (مثل النظر إلى الهاتف)، تفاعل الروبوت بشكل مثالي. في الاختبار الذي تم فيه التخطيط لتشتت الانتباه، توقف الروبوت عن المحادثة في 10 من أصل 10 حالات، واستأنفها بنجاح في 9 من أصل 10 حالات. لم يتجمد الروبوت فحسب؛ بل انتظر بصبر، ثم عاد إلى الدردشة في اللحظة التي نظر فيها الشخص إليه مرة أخرى.

لماذا دماغان أفضل من واحد؟
هذا هو الجزء الأكثر إثارة للاهتمام: "العداء السريعة" و"المراقب الحكيم" لم يتفقا دائماً. في حوالي نصف اللحظات التي فحصوا فيها، قدما وصفين مختلفين لما يحدث. على سبيل المثال، قد يقول العداء السريع: "الرأس ملتف بعيداً، لا يوجد انتباه!" بينما قد يقول المراقب الحكيم: "إنه ينظر إلى هاتف".

وجد الباحثون أن هاتين الطبقتين قدمتا معلومات غير متكررة. وهذا يعني أن "المراقب الحكيم" لم يكن مجرد تكرار لما قاله "العداء السريع"؛ بل كان يضيف تفاصيل جديدة ومفيدة لم تستطع الرياضيات وحدها رؤيتها. وهذا يثبت أنه لا يمكنك الاعتماد فقط على نوع واحد من المستشعرات لفهم انتباه البشر. أنت بحاجة إلى سرعة الهندسة لضبط التوقيت، وذكاء الذكاء الاصطناعي لفهم السياق.

ما لم يفعله الروبوت
من المهم ملاحظة ما لم تثبته هذه الدراسة. لم يحل الروبوت مشكلة الفهم البشري المثالي. فقد اعترف الباحثون بأنهم لم يمتلكوا "حقيقة مطلقة" (سجلاً كاملاً موثقاً بشرياً لما كان يشعر به الشخص في كل ثانية) للمقارنة به. لذا، بينما بدا الروبوت يعمل بشكل جيد، لا يمكنهم الجزم بما إذا كان كل توقف قد تم توقيته بدقة مع لحظة تشتت انتباه الإنسان. كما أنهم لم يختبروا كيف جعل سلوك الروبوت البشر يشعرون—سواء وجدوه غريباً أو ساحراً. هذه مهمة للجولات القادمة من التجارب.

الخلاصة
تشير هذه الدراسة إلى أن أفضل طريقة لبناء روبوت اجتماعي ليست الاختيار بين الرياضيات السريعة والذكاء الاصطناعي الذكي، بل استخدام كليهما. من خلال ترك نظام سريع يتولى التوقيت ونظام ذكي يتولى السياق، يمكن للروبوت أن يتصرف كشريك محادثة طبيعي—شريك يعرف متى يتوقف، ومتى ينتظر، ومتى يستمر في سرد القصة. إنها خطوة صغيرة نحو روبوتات لا تكتفي برؤيتنا، بل تفهمنا حقاً.