ReTracing: An Archaeological Approach Through Body, Machine, and Generative Systems

Titel: ReTracing: Een Archeologische Benadering via Lichaam, Machine en Generatieve Systemen

1. Het Probleem

De huidige generatieve kunst en robotica behandelen het menselijk lichaam vaak als een universele, cultureel neutrale vorm, waarbij de contexten die beweging en expressie construeren, worden genegeerd. Er bestaat een kloof in het onderzoek naar hoe generatieve AI-systemen (zoals Large Language Models en diffusion-modellen) sociaal-culturele vooroordelen, bias en machtsstructuren inbouwen in de logica van beweging. Bestaande werken focussen vaak op menselijke agenten of pre-gedefinieerde robotacties, maar missen een kritische vergelijking tussen hoe menselijke en robotische agenten dezelfde "gedirigeerde" instructies uitvoeren. De vraag is hoe AI niet alleen output produceert, maar ook controle uitoefent over biologische en mechanische substraten door beweging te choreograferen.

2. Methodologie

Het project ReTracing is een multi-agent geëmbodeerde performance die een "archeologie van AI" uitvoert. De methode bestaat uit een gestructureerde pipeline die literaire teksten omzet in fysieke beweging en digitale sporen:

• Data-extractie en Prompt Engineering:

  • De input bestaat uit bewegingsgerelateerde fragmenten uit zeven sciencefiction- en literaire romans (o.a. Frankenstein, The Handmaid's Tale, Klara and the Sun).
  • Een Large Language Model (Qwen-2.5, temperatuur 0.7) analyseert deze teksten en genereert voor elk fragment twee soorten prompts:
    1. Positieve Prompts: Instructies over wat er gedaan moet worden ("wat te doen").
    2. Negatieve Prompts: Restricties over wat er niet gedaan mag worden ("wat niet te doen").
  • Dit proces simuleert hoe AI logica toepast om beweging te classificeren als toegestaan of verboden.

• Generatie van Beweging (Human & Robot):

  • Menselijke Agent: De prompts worden verwerkt door een op diffusion gebaseerd tekst-naar-video model (Wan2.1). Dit genereert korte video's die dienen als visuele choreografische gids voor een menselijke performer.
  • Robotische Agent: Een vierpotige robot (Unitree Go2) ontvangt dezelfde prompts. De AI vertaalt deze naar sequenties van vooraf gedefinieerde motorcommando's (bijv. "Springen", "Groeien", "Zwaaien") die de robot kan uitvoeren.

• Performance en Opname:

  • Zowel de mens als de robot voeren de acties uit op een spiegelende vloer. De spiegel fungeert als een ruimte voor introspectie en creëert een gedeeld visueel vlak.
  • De scène wordt opgenomen vanuit meerdere camerahoeken.

• Reconstructie en Archivering:

  • De video-opnames worden verwerkt met een monocular 3D-point tracking model (SpatialTrackerV2).
  • Dit model inferreert 3D-skelet-punten (joint positions) over tijd vanuit 2D RGB-video, waardoor consistente 3D-puntwolken en bewegingssporen (motion trails) ontstaan.
  • Deze data vormt een digitaal archief dat de "sporen" van de AI-beslissingen vastlegt.

3. Belangrijkste Bijdragen

• Conceptuele Innovatie: Het introduceren van het concept "Archeologie van AI", waarbij generatieve systemen worden geanalyseerd als actieve agenten die controle uitoefenen over zowel biologische als mechanische lichamen.
• Multi-Agent Vergelijking: Een unieke benadering die de uitvoering van dezelfde literaire prompts door een mens en een robot naast elkaar zet, waardoor de spanning tussen scriptuele controle en autonome gedrag zichtbaar wordt.
• Open Data en Workflow: Het project maakt de volledige dataset van 3D-bewegungssporen en de technische workflow openbaar, wat onderzoekers in staat stelt hun eigen ReTracing-ervaringen te creëren en de logica van generatieve systemen te bestuderen.
• Kritische Reflectie op Bias: Het demonstreert hoe AI-systemen bias (gerelateerd aan ras, gender en identiteit) inbouwen in de choreografie van beweging, vaak door teksten die angst, controle en onderdrukking bevatten, om te vertalen naar fysieke beperkingen.

4. Resultaten

• Visuele Output: Het systeem genereert succesvol choreografieën waarbij mens en robot synchroon (of tegenstrijdig) reageren op dezelfde literaire input. De menselijke uitvoering is vaak expressief en organisch, terwijl de robotische uitvoering mechanisch en beperkt is tot zijn vooraf gedefinieerde bewegingsbibliotheek.
• Data-generatie: Het systeem produceert gedetailleerde 3D-point clouds en bewegingssporen die de "digitale fossielen" van de AI-interactie visualiseren.
• Aangetoonde Bias: De gegenereerde prompts en negatieve prompts onthullen hoe AI bepaalde bewegingen associeert met specifieke emoties of situaties (bijv. angst of onderwerping) en andere bewegingen (zoals "glimlachen" of "rennen") uitsluit als onverenigbaar met de context van de tekst.

5. Betekenis en Impact

ReTracing biedt een nieuwe lens om te kijken naar de relatie tussen mens, machine en kunstmatige intelligentie. Het project stelt de kritische vraag: "Wat betekent het om mens te zijn in een wereld waar AI's ook bewegen, denken en sporen achterlaten?"

• Ethische Implicaties: Het project benadrukt dat generatieve AI niet neutraal is; het is een systeem van inscriptie dat bestaande maatschappelijke vooroordelen kan versterken. Het waarschuwt voor de risico's van privacy en data-governance bij het verzamelen van lichaamsdata, maar ook voor het gevaar dat de esthetische aantrekkingskracht van de kunst het kritische boodschap (de analyse van bias) kan verdoezelen.
• Toekomst van Kunst en Onderzoek: Door generatieve AI te positioneren als een "archeoloog" die de logica van beweging blootlegt, opent ReTracing nieuwe wegen voor onderzoek in computervisie, robotica en performance art. Het toont aan dat intelligentie niet alleen wordt gegenereerd, maar ook wordt "choreografeerd" en bewaard als data.

Samenvattend is ReTracing een multidisciplinair experiment dat de abstracte logica van generatieve AI vertaalt naar tastbare, fysieke beweging, waardoor de onzichtbare mechanismen van controle en bias in AI-systemen zichtbaar en analyseerbaar worden.