← أحدث الأبحاث
💻 computer science

VerNav: Verifier-First Low-Latency Vision-and-Language Navigation

يُعد VerNav إطار عمل يرتكز أولاً على التحقق من صحة الملاحة القائمة على الرؤية واللغة، حيث يقلل بشكل كبير من زمن انتقال مرحلة اتخاذ القرار عبر استبدال التوليد التكراري لكل خطوة بالتحقق من الإجراءات بنظام الدفعات ومولد تكيفي يعتمد على الإنتروبيا، مع توظيف مخطط محاذاة ثنائي المراحل للحفاظ على أداء ملاحة تنافسي في اختبار R2R.

المؤلفون الأصليون: Zhixin Wang, Chengzheyi Yao, Leyuan Liu, Xiaosong Zhang, Yongzhao Zhang

نُشر 2026-09-02
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Zhixin Wang, Chengzheyi Yao, Leyuan Liu, Xiaosong Zhang, Yongzhao 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 روبوتاً يحاول إيجاد طريقه عبر منزل لم يره من قبل، مسترشداً فقط بجملة منطوقة مثل "اذهب إلى المطبخ، ثم انعطف يساراً عند الكرسي الأزرق، ثم توقف". هذا هو تحدي الملاحة القائمة على الرؤية واللغة. يجب على الروبوت أن ينظر إلى محيطه، ويفهم كلمات الإنسان، ويقرر بالضبط أين سيتحرك بعد ذلك. لفترة طويلة، حاول الباحثون حل هذه المشكلة عبر منح الروبوت عقلاً قوياً يتحدث مع نفسه خلال كل خطوة. فقبل القيام بأي حركة، كان الروبوت يولد تدفقاً طويلاً من الأفكار، يشرح فيه منطقه، ويتفحص محيطه، ويخطط لمنعطفه التالي. وبينما يساعد هذا التفكير الصريح الروبوت على فهم التعليمات المعقدة، إلا أنه بطيء للغاية. تماماً كما أن الإنسان الذي يتحدث في كل خطوة من خطوات مشيه سيكون أبطأ بكثير من الشخص الذي يمشي ببساطة، فإن الروبوت الذي يولد فقرة كاملة من الاستنتاج قبل كل خطوة واحدة يستغرق وقتاً طويلاً جداً لاتخاذ القرار. وفي العالم الحقيقي، حيث السرعة مهمة، يجعل هذا التأخير هذه التكنولوجيا غير عملية.

اقترح فريق من الباحثين من جامعة العلوم الإلكترونية والتكنولوجيا في الصين طريقة مختلفة للتفكير في هذه المشكلة. فهم يقترحون أنه بدلاً من إجبار الروبوت على كتابة قصة طويلة قبل كل حركة، يجب عليه أولاً التحقق بسرعة من قائمة بالتحركات الممكنة واختيار الأفضل منها. وقد أطلقوا على نظامهم الجديد اسم "VerNav". الفكرة الجوهرية هي استبدال عملية توليد الأفكار البطيئة والخطوة بخطوة بعملية تحقق سريعة. فبدلاً من مطالبة عقل الروبوت بابتكار مسار جديد من الصفر، يعرض النظام مجموعة من الاتجاهات المتاحة — مثل "تحرك للأمام"، أو "انعطف يساراً"، أو "توقف" — ويطلب من العقل ببساطة قول "نعم" أو "لا" لكل منها. يسمح هذا للروبوت بتقييم جميع خياراته دفعة واحدة، بدلاً من تقييمها واحداً تلو الآخر. ومن خلال القيام بذلك، يقلل النظام الوقت الذي يستغرقه اتخاذ القرار بأكثر من عشر مرات مقارنة بالطرق التقليدية، مع الحفاظ في الوقت ذاته على بقاء الروبوت في المسار الصحيح.

ومع ذلك، فإن مجرد التحقق من الخيارات بسرعة ليس كافياً. فقد وجد الباحثون أنه إذا استخدموا طريقة التحقق السريع هذه فقط، فسيصاب الروبوت بالارتباك ويرتكب الأخطاء، خاصة في المواقف الصعبة. فالمدقق السريع جيد في استبعاد الأفكار السيئة، لكنه يواجه أحيالاً صعوبة في اختيار الفكرة الأفضل الوحيدة عندما تبدو الخيارات متشابهة جداً. ولإصلاح ذلك، أضاف الفريق شبكة أمان ذكية؛ حيث بنوا نظاماً يراقب ثقة الروبوت. فإذا كان الروبوت متأكداً بشأن الاتجاه الذي يجب أن يسلكه، فإنه يلتزم بطريقة التحقق السريع. ولكن إذا كان الروبوت غير متأكد — وهو ما يشير إليه مستوى عالٍ من الارتباك بين الخيارات المتاحة — فإن النظام يتوقف ويطلب من محرك تفكير أقوى وأبطأ تقديم ملخص موجز ومركز للموقف. يعمل هذا الملخص كإشارة سريعة لمساعدة المدقق السريع على اتخاذ القرار الصحيح. وبهذه الطريقة، لا يستخدم الروبوت قوة التفكير البطيئة والمكلفة إلا عندما يحتاج إليها بشدة، مما يحافظ على سرعة وكفاءة العملية الإجمالية.

وللتأكد من أن نظام التحقق السريع هذا يعمل جيداً للملاحة بالفعل، كان على الباحثين تعليمه كيفية الحكم على التحركات بشكل صحيح. فقد طوروا عملية تدريب مكونة من خطوتين: أولاً، علموا النظام التعرف على أي التحركات الفورية هي الأفضل من غيرها، مما ساعده على تعلم تفضيل الإجراءات التي تنقله ليكون أقرب إلى الهدف. بعد ذلك، تركوا النظام يتدرب على ملاحة مسارات كاملة، مكافئين إياه ليس فقط للوصول إلى الوجهة النهائية، بل أيضاً لكل خطوة صغيرة حققت تقدماً. ضمن هذا التدريب أن المدقق السريع لا يختار تحركات عشوائية فحسب، بل تعلم اتباع التعليمات بدقة عبر مسافات طويلة. وعند اختباره على مجموعة معيارية من مهام الملاحة، أدى النظام الجديد أداءً يضاهي أفضل الروبوتات الموجودة التي تستخدم التفكير الثقيل والبطيء، ولكنه اتخذ القرارات في جزء بسيط من الوقت. وتظهر النتائج أنه من خلال التحقق من الخيارات بسرعة واللجوء إلى التفكير العميق عند الضرورة فقط، يمكن للروبوتات التنقل في بيئات معقدة بشكل أسرع بكثير دون أن تفقد طريقها.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →