OptiSight: Bridging Semantic Reasoning and Geometric Control for Embodied Navigation
تُعد OptiSight إطار عمل هجين يدمج استدلال نماذج الرؤية واللغة مع التوجيه البصري الحتمي لتمكين الملاحة الذاتية الفعالة داخل المباني دون الحاجة لتدريب مسبق (zero-shot) ضمن ميزانية ذاكرة فيديو تبلغ 8 جيجابايت، وذلك عبر الاستفادة من نموذج Grounded-SAM لتحديد مواقع الأهداف وهندسة الكاميرا للتحكم دون الحاجة إلى رسم خرائط كثيفة.
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
إن التحرك عبر غرفة هو أمر يفعله البشر دون تفكير، ولكن بالنسبة للآلة، فإنه لغز معقد من نوعين مختلفين تماماً. الجزء الأول هو الرؤية والفهم: معرفة أن مستطيلاً داكناً في الجدار هو باب، أو أن كومة من الصناديق تسد الطريق. والجزء الآخر هو الحركة: حساب المسافة الدقيقة التي يجب أن تدور فيها العجلات لتجنب الاصطدام بكرسي. لسنوات طويلة، كانت الروبوتات بارعة في أحدهما أو الآخر، ولكن نادراً ما نجحت في الجمع بينهما في آن واحد. فبعض الأنظمة ممتازة في رسم خرائط الغرفة وتجنب العقبات، لكنها لا تستطيع فهم أمر مثل "اذهب وابحث عن الكرسي الأحمر". وأخرى يمكنها فهم اللغة والتعرف على الأشياء، لكنها غالباً ما تكون بطيئة جداً أو غير رشيقة للتحرك بأمان في الوقت الفعلي. كان التحدي الذي يواجه الباحثين هو بناء روبوت يمكنه التفكير فيما يراه ثم يتحرك بدقة يد الإنسان، كل ذلك أثناء العمل على حاسوب صغير بما يكفي ليتناسب مع ظهر الروبوت.
لقد طور فريق من الباحثين نظاماً جديداً يسمى "OptiSight" يسد هذه الفجوة. وبدلاً من محاولة جعل برنامج حاسوبي واحد يقوم بكل شيء في وقت واحد، قاموا بتقسيم المهمة إلى دورين متميزين يعملان معاً. الدور الأول هو "المفكر"، وهو ذكاء اصطناعي قوي ينظر إلى رؤية الكاميرا ويحدد ماهية الأشياء الموجودة وأين يجب أن يذهب الروبوت. والدور الثاني هو "الطيار"، وهو مجموعة قواعد سريعة وبسيطة تأخذ قرار المفكر وتقوم فوراً بتوجيه الروبوت. الابتكار الرئيسي هو أن المفكر لا يحتاج إلى التحدث باستمرار؛ فهو يتدخل فقط عندما يصل الروبوت إلى نقطة قرار رئيسية، مثل عندما يحتاج إلى إيجاد هدف جديد أو عندما يفقد طريقه. وبمجرد أن يصبح المسار واضحاً، يتولى الطيار زمام الأمور، موجهاً الروبوت بسلاسة نحو الوجهة دون الحاجة إلى طلب المساعدة مرة أخرى. يسمح هذا النهج للروبوت بفهم التعليمات المعقدة مثل "اخرج من الغرفة" بينما يتحرك بسرعة وأمان، وكل ذلك ضمن حدود الذاكرة لحاسوب محمول قياسي.
لاختبار هذه الفكرة، وضع الباحثون نظامهم داخل عالم افتراضي مفصل يسمى "AI Habitat"، والذي يحاكي البيئات الداخلية الحقيقية بالأثاث والجدران والعقبات. أعطوا الروبوت مهمة بسيطة ولكنها صعبة: مغادرة غرفة. أجرو هذا الاختبار في أربعة وعشرين سيناريو مختلفاً، تتراوح من الغرف الفارغة إلى المساحات المليئة بالأشياء المربكة، والأسطح العاكسة، والممرات الضيقة. في بعض الاختبارات، كان على الروبوت المناورة حول عقبة واحدة؛ وفي اختبارات أخرى، كان عليه التمييز بين بابين متشابهين أو إيجاد مسار عندما تكون الرؤية محجوبة جزئياً. استخدم النظام نوعاً معيناً من الذكاء الاصطنا الاصطناعي لتحديد الأشياء ونظاماً هندسياً منفصلاً لحساب الزوايا الدقيقة اللازمة للحركة. تم برمجة الروبوت للتحقق من محيطه، وتحديد وجهته، ثم تنفيذ الحركة في حلقة مستمرة.
أظهرت النتائج أن هذا النهج المنقسم قد نجح بشكل ملحوظ. ففي اثني عشر سيناريو، أكمل الروبوت المهمة بنجال في اثني عشر سيناريو بنجاح في ستين بالمائة من المحاولات على الأقل، وفي عدة حالات، نجح في كل مرة. وعندما نجح الروبوت، كان عادةً ما يطلب المساعدة من "المفكر" مرة واحدة أو مرتين فقط خلال الرحلة بأكملها. أثبت هذا أن النظام لا يحتاج إلى إعادة تقييم المشهد باستمرار للمضي قدماً، بل يمكنه الاعتماد على طياره الهندسي للتعامل مع الحركة المستمرة. أما المرات القليلة التي فشل فيها الروبوت، فكانت عادةً بسبب اقترابه الشديد من عقبة واضطراره للتوقف للتعافي، أو لأن البيئة كانت مربكة للغاية لدرجة أن الخطة الأولية أصبحت غير صالحة. وحتى في هذه الحالات الصعبة، أظهر النظام قدرته على التعرف على المشكلة والمحاولة مرة أخرى، بدلاً من الاصطدام بشكل أعمى.
إن ما يجعل هذا الاكتشاف مهماً هو كيفية موازنته بين الذكاء والسرعة. وجد الباحثون أنه من خلال حصر استخدام الذكاء الاصطناዊ الثقيل والبطيء في اللحظات الأكثر حرجاً فقط، استطاعوا إبقاء الروبوت متحركاً في الوقت الفعلي. عمل النظام ضمن حد صارم للذاكرة يبلغ ثمانية جيجابايت من ذاكرة الفيديو، وهو قيد يحاكي قدرة الحوسبة المحدودة الموجودة في العديد من الروبوتات في العالم الحقيقي. وهذا يعني أن النهج ليس مجرد فكرة نظرية للحواسيب الفائقة القوية، بل هو طريقة عملية يمكن أن تعمل على الحواسيب الصغيرة المتصلة بالآلات الفعلية. لقد أثبتت التجارب أن الروبوت ليس بحاجة لأن يكون عبقرياً في كل خطوة من خطواته ليكون فعالاً؛ بل يحتاج فقط إلى معرفة متى يفكر ومتى يتحرك. ومن خلال فصل التفكير عن الحركة، يوفر "OptiSight" طريقة موثوقة للآلات للتنقل في عالم المنزل البشري الفوضوي وغير المتوقع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.