يوفر Foxtech حلول الطائرات بدون طيار الصناعية & أنظمة الحمولة النافعة للطائرات بدون طيار.
نقدم لكم HeadGo Ego: حل جديد لجمع البيانات يُثبّت على الرأس من أجل الذكاء الاصطناعي المتجسد وتعلم الروبوتات
يتطلب بناء أنظمة ذكاء اصطناعي مجسدة قادرة أكثر من مجرد تسجيل فيديو عادي. يحتاج الباحثون إلى بيانات منظمة ومتزامنة تساعد الروبوتات على فهم ما يراه الشخص، وكيف تتحرك يداه، وكيف تتطور العملية بمرور الوقت.
ولمعالجة هذا التحدي، تقدم شركة فوكستك جهاز HeadGo Ego ، وهو جهاز جديد لجمع البيانات البشرية يتم تثبيته على الرأس ومصمم للذكاء الاصطناعي المجسد، وتعلم الروبوتات، والتعلم بالتقليد، والتدريب على التلاعب الماهر.
يساعد نظام HeadGo Ego فرق البحث على جمع بيانات العمليات البشرية في سير عمل متنقل وعملي، وذلك من خلال الجمع بين التقاط الصور المرئية من منظور الشخص الأول، وتتبع نقاط اليد الرئيسية، واستشعار الحركة، والمراقبة في الوقت الفعلي، ونظام DataCube المتكامل على شكل حقيبة ظهر.
ما المشكلة التي يحلها تطبيق HeadGo Ego؟
أحد التحديات الرئيسية في تطوير الذكاء الاصطناعي المجسد هو جمع بيانات كافية وعالية الجودة من البشر للعرض التوضيحي.
تستطيع الكاميرا التقليدية تسجيل ما يحدث أثناء أداء مهمة ما، لكن الفيديو وحده قد لا يوفر المعلومات المنظمة اللازمة لتعلم الروبوت. قد يحتاج الباحثون أيضًا إلى فهم الموقع المكاني لليدين، ونقاط الحركة الرئيسية لكل يد، ومسارات الحركة، ومعلومات العمق، والتوقيت الدقيق لكل حركة.
قد يؤدي جمع هذه البيانات باستخدام أجهزة منفصلة إلى صعوبات إضافية. فقد تقيّد هذه الأجهزة حركة المشغل، أو تتطلب إعادة ضبط متكررة، أو تجعل من الصعب الحفاظ على توافق مصادر البيانات المختلفة.
صُمم نظام HeadGo Ego لتبسيط هذه العملية من خلال جمع بيانات التشغيل من منظور المستخدم مباشرةً. فهو يجمع المعلومات المرئية مع وضعية اليد، والإحداثيات المكانية، والعمق، والطوابع الزمنية، ومسارات الحركة، مما يوفر قاعدة بيانات أكثر ثراءً لتدريب الذكاء الاصطناعي المجسد.
لماذا تعتبر بيانات الشخص الأول مهمة لتعلم الروبوت؟
يجب على الروبوتات أن تتعلم ليس فقط شكل المهمة المنجزة، ولكن أيضًا كيف يؤديها الإنسان.
أثناء القيام بأنشطة مثل التقاط الأشياء، أو تنظيمها، أو استخدام الأدوات، أو إنجاز مهام مناولة متعددة الخطوات، توفر زاوية رؤية المستخدم معلومات سياقية قيّمة. فهي تُظهر الأشياء المرئية، وكيفية اقتراب اليدين منها، وكيف تتغير البيئة المحيطة طوال العملية.
بما أن جهاز HeadGo Ego يُرتدى على الرأس، فإن الكاميرات تتبع اتجاه نظر المستخدم الطبيعي. وهذا يسمح للنظام بتسجيل المهمة من منظور يرتبط ارتباطًا وثيقًا بانتباه المستخدم وأفعاله.
يمكن أن تدعم البيانات الناتجة من منظور الشخص الأول الأبحاث في المجالات التالية:
- الذكاء الاصطناعي المجسد
- تعلم الروبوت
- التعلم بالتقليد
- تحليل العمليات البشرية من منظور الشخص الأول
- التلاعب البارع
- تطوير مجموعة بيانات العرض التوضيحي البشري
ما هي البيانات التي يمكن للنظام جمعها؟
يتجاوز برنامج HeadGo Ego التسجيل المرئي القياسي من خلال إنتاج أشكال متعددة من البيانات المتعلقة بالعمليات.
يستطيع النظام التقاط 21 نقطة رئيسية لليد ، بالإضافة إلى وضعية اليد، والإحداثيات المكانية، والعمق، والطوابع الزمنية، ومسارات الحركة. تساعد هذه البيانات في تحديد موقع يدي المشغل وكيفية تحركهما خلال المهمة.
بالنسبة لفرق البحث، يتيح ذلك دراسة عملية ما كسلسلة من الحركات المنظمة بدلاً من مجرد مقطع فيديو. ويمكن استخدام هذه المعلومات لبناء مجموعات بيانات لتدريب وتقييم نماذج تعلم الروبوت.
النظام مزود بثلاث كاميرات:
- كاميرتان ثنائيتان
- كاميرا RGB واحدة
يدعم هذا التكوين جمع البيانات المرئية المتعلقة بالألوان (RGB) والعمق. كما توفر وحدة قياس القصور الذاتي (IMU) ذات 9 محاور استشعارًا إضافيًا للحركة، مما يساعد على رصد كيفية تحرك المشغل أثناء إنجاز المهمة.
كيف يُحسّن مجال الرؤية الواسع عملية جمع البيانات؟
لا تتم عملية التلاعب البشري دائمًا في مركز صورة الكاميرا مباشرةً. فقد يمد المشغل يده نحو الأشياء الموجودة على الجانبين، أو ينظر إلى سطح العمل، أو ينتقل بين أجزاء مختلفة من البيئة.
يوفر جهاز HeadGo Ego مجال رؤية لما يلي:
- قطري 150 درجة
- 128 درجة أفقية
- 80 درجة عمودية
تساعد هذه الرؤية الواسعة في التقاط المزيد من مساحة عمل المشغل وتقلل من احتمالية وقوع حركات اليد المهمة أو الأشياء القريبة خارج المنطقة المسجلة.
بالنسبة للمهام التي تتضمن التلاعب بكلتا اليدين، أو أسطح العمل الكبيرة، أو التغييرات المتكررة في اتجاه الرؤية، يمكن أن يوفر منظور الشخص الأول الأوسع سياقًا بصريًا أكثر اكتمالًا لمعالجة البيانات اللاحقة وتدريب النموذج.
كيف يدعم تطبيق HeadGo Ego المظاهر البشرية الطبيعية؟
تكون بيانات العرض التوضيحي البشري أكثر فائدة عندما يستطيع المشغل أداء المهام بشكل طبيعي.
نظراً لأن جهاز الاستشعار الرئيسي يتم ارتداؤه على الرأس، ومكونات المعالجة والطاقة مدمجة في نظام يشبه حقيبة الظهر، يمكن للمشغل التحرك في البيئة دون أن يكون مقيداً بمحطة تسجيل ثابتة.
يُعد هذا التكوين المتنقل مناسبًا لجمع البيانات في مختلف أماكن العمل وبيئات التشغيل اليومية. يستطيع الباحثون أداء المهام باستخدام أيديهم بينما يسجل النظام وجهة نظر المشغل وحركات يده والمعلومات المتعلقة بالحركة.
تتضمن حقيبة الظهر وحدة المعالجة الرئيسية ومصدر الطاقة. كما أنها تتميز بهيكل مقاوم للصدمات وتصميم تهوية نشط لدعم جمع البيانات المتنقلة.
كيف يمكن للمشغلين مراقبة عملية التجميع؟
تتمثل إحدى المشكلات الشائعة أثناء جمع البيانات في اكتشاف متأخر جدًا أن التسجيل غير مكتمل، أو أن مساحة التخزين غير كافية، أو أن جزءًا من النظام لا يعمل بشكل صحيح.
يعالج نظام HeadGo Ego هذه المشكلة من خلال شاشة تحكم رئيسية توفر مراقبة النظام في الوقت الفعلي. ويمكن للمشغلين التحقق مما يلي:
- فيديو مباشر
- درجة حرارة الأجهزة
- استخدام وحدة المعالجة المركزية والذاكرة
- مساحة تخزين متاحة
- معدل الإطارات
- حالة الجهاز
- تقدم تحليل البيانات
تساعد هذه الرؤية المشغل على تحديد المشكلات المحتملة أثناء تسجيل المهمة. كما أنها تقلل من مخاطر إتمام عرض توضيحي طويل ثم اكتشاف أن بيانات مهمة مفقودة أو غير قابلة للاستخدام.
تُعد المراقبة في الوقت الفعلي ذات قيمة خاصة عندما تحتاج فرق البحث إلى جمع العديد من العروض التوضيحية عبر مشغلين أو مهام أو بيئات متعددة.
كيف يُقلل النظام من وقت الإعداد؟
يمكن أن يؤدي تكرار تكوين الشبكة إلى إبطاء عملية جمع البيانات، خاصة عند الانتقال بين المواقع أو تغيير الشبكات.
يدعم جهاز HeadGo Ego إعداد شبكة Wi-Fi باستخدام رمز الاستجابة السريعة (QR code). يمكن للمستخدم مسح رمز الاستجابة السريعة باستخدام كاميرا Ego لضبط اتصال الشبكة، مما يقلل الحاجة إلى الإعداد اليدوي المطوّل.
تُعدّ هذه الميزة مفيدة للفرق التي تجمع البيانات في مختبرات أو أماكن عمل أو بيئات ميدانية مختلفة. كما أن سرعة إعداد الشبكة تُساعد الباحثين على قضاء وقت أطول في تسجيل العروض التوضيحية ووقت أقل في تجهيز المعدات.
هل يمكن استخدام HeadGo Ego بشكل مستقل؟
نعم. يمكن لـ HeadGo Ego أن يعمل كنظام مستقل لجمع البيانات البشرية من منظور الشخص الأول.
عند استخدامه بشكل مستقل، يمكنه جمع المعلومات المرئية، وبيانات وضعية اليد، و21 نقطة رئيسية لليد، والإحداثيات المكانية، والعمق، والطوابع الزمنية، ومسارات الحركة. وهذا يجعله مناسبًا للمشاريع التي تركز على الرؤية الذاتية، وتحليل العمليات البشرية، والتعلم بالتقليد، وتطوير مجموعات بيانات الذكاء الاصطناعي المجسد.
يتضمن النظام القياسي ما يلي:
- جهاز جمع البيانات المثبت على الرأس One HeadGo Ego
- نظام معالجة البيانات في حقيبة ظهر واحدة من نوع DataCube
هل يمكن استخدامه مع أجهزة جمع البيانات البشرية الأخرى؟
يمكن أيضًا استخدام HeadGo Ego مع GripperGo Pro .
في سير عمل متكامل، يمكن لبرنامج HeadGo Ego إثراء مجموعة البيانات بمعلومات بصرية من منظور الشخص الأول، ووضعيات اليد، وبيانات النقاط الرئيسية، ومعلومات التشغيل الشاملة. وهذا يتيح لفرق البحث تسجيل العروض التوضيحية البشرية من زوايا نظر متعددة ومتكاملة.
يعتمد اختيار استخدام HeadGo Ego بشكل مستقل أو دمجه مع GripperGo Pro على متطلبات بيانات المشروع. يمكن للفرق التي تحتاج بشكل أساسي إلى جمع بيانات من منظور الشخص الأول عبر الأجهزة المحمولة استخدام HeadGo Ego بمفرده، بينما يمكن للمشاريع التي تتطلب مجموعة بيانات أكثر شمولاً حول العمليات البشرية النظر في إعداد مُدمج.
ما هي أنواع المهام التي يمكن تسجيلها؟
تم تصميم HeadGo Ego لالتقاط عمليات التشغيل من منظور الشخص الأول. ويمكن استخدامه لتسجيل العروض التوضيحية التي يتفاعل فيها المشغل بشكل طبيعي مع الأشياء ومساحة العمل المحيطة.
تشمل مهام البحث المحتملة ما يلي:
- التقاط الأشياء ووضعها
- الفرز والتنظيم
- التلاعب بكلتا اليدين
- عروض توضيحية لاستخدام الأدوات
- تسجيل العمليات متعددة الخطوات
- تحليل مسار يد الإنسان
- مجموعة بيانات التلاعب الماهر
- عروض توضيحية للمهام اليومية لتعلم التقليد
يمكن تحديد تصميم المهمة المحددة وهيكل مجموعة البيانات وفقًا لمنصة الروبوت الخاصة بفريق البحث، وإطار التعلم، وأهداف التدريب.
لمن صُمم جهاز HeadGo Ego؟
تم تصميم HeadGo Ego في المقام الأول للمؤسسات التي تقوم بتطوير أنظمة الذكاء المجسد وأنظمة تعلم الروبوتات، بما في ذلك:
- الجامعات ومختبرات الروبوتات
- فرق البحث في مجال الذكاء الاصطناعي المجسد
- باحثو تعلم الروبوتات والتعلم بالتقليد
- مطورو التلاعب الماهر
- الشركات الناشئة في مجال الذكاء الاصطناعي والروبوتات
- فرق جمع البيانات
- الشركات التي تقوم بتطوير أنظمة روبوتية للأغراض العامة
يمكن أن يكون ذلك مفيدًا بشكل خاص للفرق التي تحتاج إلى جمع عروض توضيحية بشرية من منظور الشخص الأول عبر مهام أو بيئات متعددة دون بناء نظام التقاط ثابت ومعقد لكل مشروع.
كيف يمكن لـ HeadGo Ego تحسين سير عمل جمع البيانات؟
يجمع نظام HeadGo Ego بين الاستشعار والمعالجة والمراقبة والنشر عبر الأجهزة المحمولة في نظام أكثر تكاملاً.
بدلاً من تجميع كاميرات منفصلة، وأجهزة تتبع اليد، وأجهزة استشعار الحركة، وأجهزة المعالجة، ومصادر الطاقة لكل جلسة جمع بيانات، يمكن للفرق العمل بتكوين موحد مثبت على الرأس وحقيبة ظهر.
قد تتضمن عملية سير العمل النموذجية ما يلي:
- إعداد نظام HeadGo Ego و DataCube.
- الاتصال بشبكة الواي فاي المطلوبة من خلال مسح رمز الاستجابة السريعة (QR code).
- فحص الفيديو والتخزين ومعدل الإطارات وحالة الجهاز على شاشة المراقبة.
- بدء مهمة العرض التوضيحي البشري.
- جمع البيانات المرئية من منظور الشخص الأول، ونقاط اليد الرئيسية، والعمق، والطابع الزمني، وبيانات المسار.
- مراقبة تقدم عملية جمع البيانات في الوقت الفعلي.
- تنظيم البيانات التي تم جمعها من أجل تعلم الروبوت وتطوير النموذج لاحقاً.
يساعد هذا النهج في جعل عملية جمع العروض التوضيحية البشرية أكثر قابلية للتكرار والإدارة، خاصة عندما يتطلب المشروع أعدادًا كبيرة من عينات المهام.
طريقة أكثر عملية لبناء مجموعات بيانات توضيحية بشرية
يوفر إطلاق HeadGo Ego لمطوري الذكاء الاصطناعي المجسد خيارًا جديدًا لجمع بيانات التشغيل البشري المنظمة من منظور الشخص الأول.
من خلال الجمع بين الرؤية ثنائية العينين ورؤية RGB، و21 نقطة رئيسية لليد، ومعلومات الوضع المكاني، والبيانات المتعلقة بالعمق، ووحدة قياس القصور الذاتي ذات 9 محاور، والمراقبة في الوقت الحقيقي، وحقيبة ظهر DataCube المتنقلة، تم تصميم النظام لمساعدة الباحثين على التقاط ليس فقط ما يراه المشغل، ولكن أيضًا كيفية تنفيذ العملية.
سواء تم استخدامه بشكل مستقل أو جنبًا إلى جنب مع GripperGo Pro، يمكن لـ HeadGo Ego دعم تطوير مجموعات بيانات أكثر ثراءً لتعلم الروبوتات، والتعلم بالتقليد، وأبحاث التلاعب الماهر.
