Design and Development of a Low-Cost AI-Based Robotic Face for Real-Time Visual Tracking and Voice Interaction

البشر مبرمجون فطرياً على الانتباه للوجوه. فعندما نتحدث مع بعضنا البعض، لا نكتفي بالاستماع إلى الكلمات فحسب؛ بل نراقب حركة العيون، والتفات الرؤوس، وحركة الأفواه بالتزامن مع الصوت. هذا التبادل المستمر والصامت للإشارات البصرية هو ما يجعل المحادثة تبدو حية. لعقود من الزمن، حاول المهندسون بناء آلات يمكنها المشاركة في هذا التبادل، عبر ابتكار روبوتات تنظر إلينا وتتحدث رداً علينا. ومع ذلك، فإن أكثر الأمثلة إقناعاً لهذه الآلات كانت عادةً محبوسة في مختبرات باهظة الثمن أو خلف أبواب الشركات المغلقة، بتكلفة تصل إلى عشرات الآلاف من الدولارات وتتطلب تقنيات معقدة ومملوكة لجهات معينة يصعب على الآخرين دراستها أو تحسينها. وهذا يخلق فجوة بين الأبحاث رفيعة المستوى التي تدفع حدود الممكن، وبين الأدوات ميسورة التكلفة التي يحتاجها الطلاب والمعلمون والمبتكرون المستقلون للتعلم والتجربة.

لقد سعى فريق من الباحثين في كلية مفخّم جاه للهندسة والتكنولوجيا في حيدر آباد، الهند، لسد هذه الفجوة. طرحوا سؤالاً بسيطاً ولكنه صعب: هل يمكنهم بناء وجه روبوتي يحاكي التفاعل البشري في الوقت الفعلي باستخدام قطع منخفضة التكلفة ومتاحة فقط؟ لم يكن هدفهم إنشاء آلة يمكنها التعبير عن مشاعر معقدة مثل الفرح أو الحزن، بل بناء واحدة يمكنها القيام بالأمور الأساسية التي يقوم بها البشر أثناء المحادثة: النظر إلى الشخص المتحدث، والرمش بشكل طبيعي، وتحريك الفم بالتزامن مع صوته. ومن خلال الجمع بين كمبيوتر صغير ميسور التكلفة وكاميرا وبعض المحركات، أنشأوا نظاماً يثبت أن التفاعل المتطور لا يتطلب ثروة طائلة.

الجهاز الذي بنوه هو رأس روبوتي، بحجم رأس الإنسان تقريباً، مصنوع من قطع بلاستيكية مطبوعة بتقنية ثلاثية الأبعاد. وفي الداخل، يعمل لوح كمبيوتر صغير بمثابة الدماغ، بينما تعمل الكاميرا كعينيه. قام الباحثون ببرمجة هذا الكمبيوتر ليمسح الغرفة باستمرار بحثاً عن وجه بشري. وعندما يرصد شخصاً، يحسب موقع هذا الشخص بالنسبة لمركز رؤية الكاميرا. وبدلاً من مجرد التحديق بفراغ، يستخدم الروبوت هذه المعلومات لتدوير عينيه ورأسه مادياً لتتبع حركة الشخص. فإذا سار شخص إلى اليسار، تلتفت عينا الروبوت إلى اليسار؛ وإذا تراجع للخلف، يعدل الروبوت نظراته. يحدث هذا التتبع باستمرار، مما يخلق إيهاماً بأن الآلة تولي اهتماماً.

ولجعل التفاعل يبدو أكثر طبيعية، أضاف الفريق طبقة من الذكاء الاصطناعي تسمح للروبوت بالتحدث. فعندما يتحدث شخص إلى الروبوت، يلتقط الميكروفون الصوت، الذي يُرسل بعد ذلك إلى خدمة قائمة على السحابة ليتم تحويله إلى نص. ثم يقوم نموذج لغوي بمعالجة هذا النص لتوليد استجابة، والتي تُحول بدورها إلى كلام. كان الجزء الأكثر تحدياً في هذه العملية ليس مجرد السمع والتحدث، بل جعل فم الروبوت يتحرك بطريقة تتناسب مع الصوت. وقد حل الباحثون هذه المشكلة بربط فك الروبوت بالمخرج الصوتي. فبينما يتحدث الروبوت، يقوم محرك صغير بفتح وإغلاق الفك بنمط إيقاعي يحاكي النطق الطبيعي للكلام البشري. هذا التزامن أمر بالغ الأهمية؛ فبدونه، سيبدو الروبوت كصوت ينبعث من جسم ثابت، مما يعطي شعوراً غير طبيعي ومزعج للمراقبين البشر.

اختبر الباحثون ابتكارهم بصرامة لمعرفة مدى أدائه في ظروف مختلفة. ووجدوا أن النظام يمكنه اكتشاف الوجه بدقة تبلغ حوالي 92 بالمائة عندما تكون الإضاءة جيدة. وكان الوقت الذي يستغرقه الروبوت لرؤية الوجه ومعالجة الصورة وتحريك عينيه سريعاً بشكل ملحوظ، حيث تراوح بين 180 و250 مللي ثانية. ولتوضيح ذلك، فإن هذا التأخير قصير جداً لدرجة أن المراقب البشري سيشعر بأن رد فعل الروبوت يكاد يكون لحظياً، مما يسمح بمحادثة سلسة دون توقفات محرجة. ظل النظام مستقراً حتى مع تحرك الشخص، حيث تتبع حركات الرأس ضمن نطاق محدد دون فقدان الهدف.

ومع ذلك، سلطت الدراسة الضوء أيضاً على حدود استخدام المكونات منخفضة التكلفة. فقد لاحظ الباحثون أن أداء الروبوت ينخفض بشكل كبير في ظروف الإضاءة المنخفضة أو عندما يكون الشخص بعيداً، حيث تعاني الكاميرا لرؤية التفاصيل الضرورية. كما لاحظوا أن الأجزاء الميكانيكية، وتحديداً المحركات الصغيرة المستخدمة لتحريك العينين والفك، تسبب تأخراً طفيفاً ولا يمكنها التحرك بسلاسة مثل المحركات الموجودة في الروبوتات البحثية الراقية. علاوة على ذلك، نظرًا لأن النظام يعتمد على الإنترنت لمعالجة الكلام وتوليد الإجابات، فإن أي تأخير في اتصال الشبكة سيؤدي إلى إبطاء قدرة الروبوت على الاستجابة. تعني هذه العوامل أنه بينما يعمل الروبوت بشكل جيد في بيئة محكومة، فإنه ليس جاهزاً بعد للفوضى غير المتوقعة في الأماكن العامة المزدحمة.

وعلى الرغم من هذه القيود، يمثل هذا المشروع خطوة مهمة للأمام في جعل الروبوتات متاحة للجميع. لقد أثبت الفريق أنه من خلال التركيز على السلوكيات الأساسية — التتبع، والرمش، والكلام المتزامن — يمكن للمرء إنشاء آلة تبدو بشرية بشكل مدهش دون الحاجة إلى ميزانية تقدر بعشرات الآلاف من الدولارات. وقد تم إتاحة التصميم بأكمله، بما في ذلك الكود وتعليمات الطباعة ثلاثية الأبعاد، للجمهور. هذه الانفتاح يدعو الباحثين والطلاب الآخرين للبناء على هذا العمل، واختبار أفكار جديدة، وربما إنشاء روبوتات لا يمكنها فقط النظر إلينا، بل فهمنا حقاً. ويشير هذا العمل إلى أن مستقبل التفاعل بين الإنسان والروبوت لا ينتمي فقط للأثرياء أو النخبة، بل يمكن لأي شخص يمتلك كاميرا وكمبيوتراً وعدة محركات أن يبنيه.