البحث المشترك بين خمس جامعات يجعل الإنسان الرقمي يعتمد على الرؤية في التنقل المستقل في المشهد ثلاثي الأبعاد، حيث تتجاوز نسبة النجاح الخط الأساسي الأمثل بحوالي 30 نقطة مئوية

أخبار ME، 14 أبريل (بتوقيت UTC+8)، وفقًا لمراقبة 1M AI News، أطلق فريق مشترك من جامعة بكين، جامعة كارنيجي ميلون، جامعة تونجي، جامعة كاليفورنيا في لوس أنجلوس، وجامعة ميشيغان على arXiv إطار عمل الذكاء الاصطناعي الجسدي VGHuman، وهو إطار عمل يتيح للإنسان الرقمي التحرك بشكل مستقل في بيئات ثلاثية الأبعاد غريبة استنادًا فقط إلى الإدراك البصري. سابقًا، كانت أنظمة الإنسان الرقمي تعتمد بشكل عام على نصوص مبرمجة مسبقًا أو معلومات حالة مميزة، وكان هدف VGHuman هو تزويد الإنسان الرقمي فعليًا بعيونه، ليرى الطريق ويخطط ويتصرف بنفسه. يتكون الإطار من طبقتين. الطبقة العالمية (World Layer) تعيد بناء مشهد ثلاثي الأبعاد غاوسي مع علامات دلالية وشبكة تصادم من فيديو واحد العين، وتصميم إدراك التداخل يمنحه القدرة على التعرف على الأجسام الصغيرة المخبأة حتى في بيئات خارجية معقدة. الطبقة الوكيل (Agent Layer) تزود الإنسان الرقمي بحاسة إدراك RGB-D (ملونة + عمق) من منظور أول، وتستخدم مؤشرات بصرية للإدراك المكاني واستنتاجات تكرارية لتوليد خطط، وأخيرًا يتم تحويلها بواسطة نموذج الانتشار إلى سلسلة حركات كاملة للجسم تدفع حركة الشخصية. في معيار التوجيه عبر 200 مشهد اختبار، عبر مستويات صعوبة ثلاثة: مسارات بسيطة، وتجاوز العقبات، والمشاة الديناميكيين، حقق VGHuman أعلى معدل نجاح في المهام متجاوزًا خطوط الأساس الأقوى مثل NaVILA وNaVid وUni-NaVid بحوالي 30 نقطة مئوية، مع معدل تصادم مساوٍ أو أقل. يدعم الإطار أيضًا أنماط حركة متعددة مثل الجري والقفز، بالإضافة إلى التخطيط لمسافات طويلة للوصول إلى أهداف متعددة متتالية. من المخطط أن يتم إصدار الكود والنماذج كمصدر مفتوح، وقد تم إنشاء مستودع على GitHub. (المصدر: BlockBeats)