فريق من خمس جامعات يطور إطار عمل للملاحة ثلاثية الأبعاد الموجهة بالمرئيات للبشر الرقميين

أخبار ME، في 14 أبريل (UTC+8)، وفقًا لمراقبة 1M AI News، أصدر فريق مشترك من جامعة بكين، وجامعة كارنيغي ميلون، وجامعة تونجي، وجامعة كاليفورنيا في لوس أنجلوس، وجامعة ميشيغان على arXiv VGHuman، وهو إطار ذكاء اصطناعي جسدي يمكّن الشخصيات الرقمية من التنقل الذاتي في مشاهد 3D غير مألوفة باستخدام الإدراك البصري فقط. سابقًا، كانت أنظمة الشخصيات الرقمية تعتمد بشكل شائع على سيناريوهات محددة مسبقًا أو معلومات حالة خاصة لدفع الحركة، بينما يهدف VGHuman إلى منح الشخصيات الرقمية "عيونًا حقيقية" تسمح لها برؤية الطريق ووضع الخطط والتحرك بنفسها. يتكون الإطار من طبقتين. طبقة العالم تقوم بإعادة بناء مشهد 3D مُعلَّم دلالياً ومحاط بشبكة تصادم من فيديو أحادي العدسة، وتصميمه القائم على إدراك التغطية يسمح له بالتعرف على الأجسام الصغيرة المخفية حتى في البيئات الخارجية المعقدة. أما طبقة الوكيل فتزوّد الشخصية الرقمية بإدراك RGB-D من المنظور الأول (لون + عمق)، وتستخدم إشارات بصرية معرفة مكانيًا واستدلالًا تكراريًا لتوليد التخطيط، ثم تحوله في النهاية إلى سلسلة حركات جسمية كاملة عبر نموذج انتشار لدفع حركة الشخصية. في معيار الملاحة الذي يضم 200 مشهد اختباري، وعبر ثلاثة مستويات صعوبة—المسارات البسيطة، تجنب العقبات، والمشاة الديناميكيين—حقق VGHuman أعلى معدل نجاح في المهام، متفوقًا بحوالي 30 نقطة مئوية على أقوى النماذج الأساسية مثل NaVILA وNaVid وUni-NaVid، مع معدل تصادم مماثل أو أقل. كما يدعم الإطار أنماط حركة متعددة مثل الجري والقفز، بالإضافة إلى التخطيط طويل المدى للوصول إلى أهداف متعددة متتالية. من المخطط نشر الكود والنماذج كمصدر مفتوح، وقد تم إنشاء مستودع GitHub بالفعل. (المصدر: BlockBeats)