Diffusion-Based Generation of Gait Trajectories
تقترح هذه الورقة البحثية وتقيم نماذج الانتشار الشرطية، وتحديداً نموذج محول انتشار قابل للتحكم مع تطبيع تكييفي وتوجيه خالٍ من المصنف، لتوليد مسارات مشية للأطراف السفلية واقعية وشخصية مشروطة بمعاملات مثل طول الخطوة، مما يوفر بديلاً قابلاً للتوسع للطرق التقليدية المصممة يدوياً في مجالات الروبوتات القابلة للارتداء وإعادة التأهيل.
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
تُعد المشي عملية معقدة من التنسيق الذي يؤديه جسم الإنسان دون تفكير واعٍ، ومع ذلك، بالنسبة للأشخاص الذين يعانون من ضعف في الحركة، يمكن أن يُفقد هذا الإيقاع الطبيعي أو يتشوه. وفي مجال روبوتات إعادة التأهيل، يعمل العلماء على بناء آلات قابلة للارتداء، مثل الهياكل الخارجية (exoskeletons)، التي يمكنها المساعدة في استعادة هذه الحركة المفقودة. ولكي تعمل هذه الآلات بفعالية، فإنها تحتاج إلى خريطة لكيفية تحرك الشخص؛ هذه الخريطة، المعروفة باسم "مسار المرجع" (reference trajectory)، يجب أن تُصمم بدقة لتناسب شكل جسم الفرد، وإصابته المحددة، وأهدافه العلاجية. فإذا تحركت الآلة بطريقة تبدو غير طبيعية أو تجاهلت الحدود الجسدية الفريدة للمستخدم، فقد تكون غير مريحة أو حتى ضارة. ويكمن التحدي في إنشاء خرائط الحركة هذه بشكل فوري، وتكييفها لحظياً مع مختلف الأشخاص وظروف المشي المختلفة، بدلاً من الاعتماد على نماذج جامدة ومبرمجة مسبقاً تفشل في التقاط دقة الحركة البشرية.
ولحل هذه المعضلة، لجأ فريق من الباحثين من إسبانيا إلى نوع من الذكاء الاصطناعي يُعرف باسم "نموذج الانتشار" (diffusion model). تخيل عملية يتم فيها تغطية صورة ببطء بالضجيج الساكن (static noise) حتى تصبح غير قابلة للتمييز، ثم يتعلم الكمبيوتر عكس هذه العملية، عبر إزالة الضجيج خطوة بخطوة للكشف عن صورة واضحة. في هذه الدراسة، طبق الباحثون هذا المنطق نفسه على الحركة البشرية؛ فبدلاً من البكسلات، استخدموا نقاط بيانات تمثل زوايا مفاصل الساقين. لقد قاموا بتدريب الكمبيوتر على آلاف دورات المشي المسجلة لمتطوعين أصحاء، لتعليمه فهم الأنماط الكامنة وراء الخطوة الطبيعية. وكان الهدف هو معرفة ما إذا كان بإمكان الذكاء الاصطناعي توليد مسارات مشي جديدة وواقعية، لا تقتصر فقط على كونها نسخاً من البيانات التي رآها، بل تكون مخصصة لتعليمات محددة، مثل اتخاذ خطوة أقصر أو أطول.
اختبر الباحثون نهجين مختلفين باستخدام بيانات من 22 شخصاً بالغاً سليماً كانوا يمشون بوتيرتين متميزتين: خطوة قصيرة وخطوة متوسطة. النهج الأول كان نموذجاً أساسياً تعلم الشكل العام للمشي ولكنه لم يمتلك وسيلة لإخباره بدقة بكيفية طول الخطوات؛ وكما كان متوقعاً، أنتج هذا النموذج أنماط مشي تبدو واقعية، لكنه مال إلى الاستقرار عند طول خطوة متوسط، متجاهلاً فعلياً الطلب المحدد بالمشي بخطوة أقصر أو أطول. كان الأمر يشبه موسيقياً يستطيع عزف مقطوعة ببراعة ولكنه لا يستطيع تغيير الإيقال (tempo) عندما يُطلب منه ذلك.
أما النهج الثاني، الذي طوره الفريق كنسخة أكثر تقدماً، فقد قدم آلية للتحكم في المخرجات مباشرة. فمن خلال تغذية الذكاء الاصطناعي بمعايير فيزيائية محددة، مثل طول الخطوة المطلوب، تعلم النموذج تعديل نمط الحركة بأكرها ليتناسب مع تلك التعليمات. وعند اختباره، نجح هذا النموذج القابل للتحكم في توليد مسارات مشي تتوافق مع أطوال الخطوات المطلوبة. وبالنسبة للخطوات متوسطة الطول، كانت الحركات المولدة دقيقة للغاية، حيث طابقت بيانات البشر الحقيقية بشكل وثيق من حيث زوايا المفاصل والتناظر بين الساقين اليمنى واليسرى. وقد أنتج النموذج طول خطوة يبلغ حوالي 68.6 سنتيمتراً، وهو ما يتوافق جيداً مع الهدف المنشود.
ومع ذلك، لم تكن النتائج مثالية في كل الظروف. فعندما طلب الباحثون من النموذج توليد خطوات قصيرة جداً، انخفضت الدقة؛ حيث أنتج الذكاء الاصطناعي خطوات أقصر من المستهدف، لكن الحركات كانت أقل دقة وأظهرت تبايناً أكبر من شخص لآخر. ووجد الباحثون أن السبب في ذلك هو أن الخطوات القصيرة هي بطبيعتها غير متسقة عبر مختلف الأشخاص؛ فبعض الناس يجرون أقدامهم (shuffle)، بينما يتخذ آخرون خطوات صغيرة وسريعة. ولأن بيانات الخطوات القصيرة كانت متنوعة للغاية، فقد كافح الذكاء الاصطناعي لإيجاد نمط واحد واضح ليتبعه، فمال نحو منطقة وسطى. أدى هذا إلى تقليل طفيف في تقدير مدى حركة المفاصل، لا سيما في الركبة والفخذ. ورغم هذا القصور، أثبتت الدراسة أن النموذج المتقدم يمكنه الفصل بوضوح بين نوعي المشي، في حين لم يستطع النموذج الأبسط التمييز بينهما على الإطلاق.
تشير النتائج إلى أنه بينما يمكن للذكاء الاصطناعي الآن توليد مسارات مشي واقعية للغاية وقابلة للتخصيص، فإن المهمة تصبح أصعب بكثير عندما تكون الحركة المطلوبة أقل شيوعاً أو أكثر تبايناً بين الأفراد. وخلص الباحثون إلى أن طريقتهم الجديدة تحمل وعداً لإنشاء أدلة مخصصة للهياكل الروبوتية الخارجية، مما يسمح لهذه الآلات بالتكيف مع احتياجات المريض في الوقت الفعلي. وأشاروا إلى أنه لكي تكون هذه التكنولوجيا جاهزة للاستخدام السريري، سيتعين على العمل المستقبلي معالجة كيفية التحكم في عوامل أخرى، مثل سرعة المشي وأبعاد الجسم الفردية، وكيفية التعامل مع النطاق الكامل لأنماط المشي البشري. وفي الوقت الحالي، تثبت الدراسة أن نماذج الانتشار يمكنها تجاوز مجرد التقليد البسيط لتصبح أدوات يمكنها توليد طرق جديدة ومعقولة للبشر للمشي، مصممة لتناسب الهندسة الفريدة لكل جسم بشري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.