إعادة تخيل الاستقلالية: كيف تساعد نماذج الذكاء الاصطناعي من Meta جامعة بيتسبرغ في تحويل الروبوتات المساعدة

أكثر من 100,000 إصابة متعلقة بالكراسي المتحركة تصل إلى أقسام الطوارئ الأمريكية كل عام — ليس لأن الكراسي المتحركة خطرة بطبيعتها، بل لأن التكنولوجيا لم تواكب تعقيد البيئات الحقيقية. هذه هي المشكلة التي تهاجمها مختبرات الهندسة البشرية (HERL) بجامعة بيتسبرغ بشكل مباشر، حيث تنشر نماذج الذكاء الاصطناعي مفتوحة المصدر من Meta داخل منصة روبوتية قد تعيد تعريف الاستقلالية الجسدية لملايين الأشخاص. إعادة تخيل الاستقلالية: كيف تقود نماذج الذكاء الاصطناعي من Meta هذا التحول هي قصة مهمة تتجاوز بيتسبرغ — فهي تحمل آثاراً مباشرة للمطورين والمؤسسين الذين يبنون منتجات مدفوعة بالذكاء الاصطناعي عبر آسيا.

ما حدث

مختبرات الهندسة البشرية بجامعة بيتسبرغ، بالعمل جنباً إلى جنب مع رائدة التكنولوجيا المساعدة ATDev، تبني منصة الحركة والمعالجة الروبوتية المساعدة التي توفر الاستقلالية للأشخاص ذوي الإعاقات — المعروفة باسم RAMMP. تدعم المبادرة تمويل يصل إلى 41.5 مليون دولار من وكالة مشاريع البحث المتقدمة للصحة (ARPA-H)، وهي وكالة حكومية أمريكية أنشئت لدعم الاختراقات الطبية الحيوية التحويلية.

وفقاً لـ منشور Meta على مدونة الذكاء الاصطناعي حول المشروع، يتم بناء منصة RAMMP للتعامل مع واقع صارخ: هناك ما يقدر بـ 5.5 مليون مستخدم كرسي متحرك في الولايات المتحدة، والتكنولوجيا المساعدة المتاحة لهم غالباً ما تفشل في عكس تعقيد البيئات الحقيقية — التضاريس غير المستوية، والمساحات الداخلية المزدحمة، والعوائق الديناميكية. عندما تقصر التكنولوجيا، العواقب ليست مجرد غير مريحة. إنها خطرة جسدياً.

لسد هذه الفجوة، يقوم فريق HERL بدمج نماذج الذكاء الاصطناعي مفتوحة المصدر من Meta — تحديداً SAM (نموذج تقسيم أي شيء) و DINOv2 — في مكدس الإدراك الخاص بـ RAMMP. يتعامل SAM مع تقسيم المشهد في الوقت الفعلي، ويحدد الأسطح والعوائق والمسارات القابلة للعبور من بيانات المستشعرات. يوفر DINOv2 استخراج الميزات البصرية القوية، مما يمكّن النظام من التعميم عبر البيئات التي لم يتم تدريبه عليها بشكل صريح. معاً، يوفران للمنصة الروبوتية أساساً لفهم العالم المادي بنوع من الدقة التي تتطلبها الحركة المساعدة.

اختيار نماذج Meta مفتوحة المصدر ليس عرضياً. إنه يعكس قراراً هندسياً متعمداً: الأوزان المفتوحة تعني أن فريق البحث يمكنه ضبط وتدقيق والتكيف مع النماذج للقيود المحددة للروبوتات المساعدة — الاستدلال منخفض الكمون، والنشر على الحافة، والموثوقية الحرجة للسلامة — دون أن يكون مقيداً بـ API ملكي قد يتغير أو يختفي. هذا الاختيار المعماري يستحق الملاحظة من قبل أي مطور يبني على أساسات الذكاء الاصطناعي اليوم.

لماذا يهم لآسيا

آسيا لديها أكبر عدد من الأشخاص ذوي الإعاقات الحركية على الكوكب. وفقاً لمنظمة الصحة العالمية، أكثر من 1 مليار شخص عالمياً يعيشون مع شكل من أشكال الإعاقة، وحصة غير متناسبة منهم في آسيا — خاصة في المجتمعات المسنة مثل اليابان وكوريا الجنوبية وتايوان والصين بشكل متزايد. جنوب شرق آسيا يضيف طبقة أخرى: دول مثل فيتنام وإندونيسيا والفلبين لديها سكان كبيرة مع وصول محدود إلى تكنولوجيا مساعدة عالية الجودة، سواء بسبب الفجوات في التكلفة أو البنية التحتية.

مشروع RAMMP يشير إلى شيء مهم لنظام التكنولوجيا الآسيوي: تقارب الذكاء الاصطناعي مفتوح المصدر والروبوتات والرعاية الصحية لم يعد فضول بحثي. إنه تخصص هندسي ممول وموجه نحو النشر. النماذج التي تقود RAMMP — SAM و DINOv2 — متاحة للجمهور. أي فريق في سنغافورة أو سيول أو شنتشن يمكنه سحبها اليوم والبدء في البناء.

ما هو أقل شيوعاً في آسيا هو البنية التحتية المؤسسية لتحويل تلك القدرة إلى منتج يركز على المستخدم. نهج HERL — التركيز على عملية التصميم حول مستخدمي الكراسي المتحركة الفعليين، وإجراء التجارب الحقيقية، والتكرار على متطلبات السلامة — هو منهجية منتج بقدر ما هو بحثي. يجب على مؤسسي الصحة والتكنولوجيا الآسيويين الذين يبنون في المجال المساعد أن يدرسوها.

هناك أيضاً زاوية الأجهزة. آسيا تهيمن على التصنيع العالمي للروبوتات. تايوان واليابان وكوريا الجنوبية تنتج حصة كبيرة من محركات الروبوتات والمستشعرات والحوسبة المدمجة في العالم. الفجوة ليست في سلاسل إمداد الأجهزة — إنها في طبقة برمجيات الذكاء الاصطناعي التي تجعل الروبوتات واعية بالسياق وآمنة بما يكفي للنشر المجاور للإنسان. هذا بالضبط حيث تفتح النماذج المفتوحة مثل SAM و DINOv2 إمكانيات جديدة، وحيث يتمتع مطورو الذكاء الاصطناعي الآسيويون بنافذة تنافسية حقيقية الآن.

بالنسبة للمؤسسين في المنطقة، هذا إشارة: الروبوتات المساعدة ليست رأسية متخصصة محفوظة لمختبرات البحث الأمريكية الممولة بشكل جيد. إنها حقل مفتوح، والنماذج الأساسية للذكاء الاصطناعي متاحة بالفعل للاستخدام المجاني.

ما يعنيه هذا للمطورين

الهندسة المعمارية التقنية خلف RAMMP توفر خطة عملية يمكن للمطورين التعلم منها مباشرة. في جوهره، يستخدم النظام نماذج الذكاء الاصطناعي للغة الرؤية للإدراك البيئي، مدمجة مع منطق التحكم في الروبوتات الذي يترجم مخرجات الإدراك إلى قرارات الحركة الآمنة والفعلية. النموذجان من Meta يقومان بالعمل الثقيل — SAM و DINOv2 — كلاهما متاح على Hugging Face ومستودعات Meta على GitHub.

إليك ما يبدو عليه خط أنابيب الإدراك الأدنى باستخدام هذه النماذج من الناحية المفاهيمية:

• الإدخال: تغذية كاميرا RGB-D (عمق + لون) من المستشعرات المثبتة على منصة الحركة
• التقسيم: يعالج SAM كل إطار لتحديد مناطق مختلفة — الأرضية والعوائق والأثاث والمنحدرات
• استخراج الميزات: ينتج DINOv2 تضمينات للمناطق المحددة، مما يمكّن النظام من تصنيف والتفكير في أنواع الأسطح والقابلية للعبور
• طبقة القرار: يستخدم نموذج التحكم اللاحق أقنعة التقسيم والتضمينات لحساب مسارات الملاحة الآمنة في الوقت الفعلي
• التشغيل: يتم إصدار أوامر المحرك لنظام القيادة في الكرسي المتحرك مع دمج قيود تجنب الاصطدام

التحديات الهندسية هنا ليست تافهة. تشغيل SAM بكمون مقبول على أجهزة الحافة — دون رحلة سحابية — يتطلب تكميم النموذج وتحسين الاستدلال الحذر. تضمينات DINOv2 قوية لكنها كثيفة حسابياً؛ نشرها على الأنظمة المدمجة مثل NVIDIA Jetson أو Qualcomm RB5 يتطلب التنميط والتقليم. هذه مشاكل قابلة للحل، لكنها تتطلب جهداً هندسياً متعمداً، وليس فقط استدعاءات API.

بالنسبة للمطورين الذين يبنون على MonstarX، الدرس الأوسع من RAMMP يتعلق بالانضباط المعماري: عندما تبني أنظمة ذكاء اصطناعي تعمل في بيئات فيزيائية مع مخاطر سلامة حقيقية، فإن اختيار النماذج مفتوحة المصدر مقابل الملكية ليس مجرد قرار تكلفة — إنه قرار تحكم. الأوزان المفتوحة تمنحك القدرة على الضبط الدقيق على بيانات خاصة بالمجال (في حالة HERL، بيئات الحركة الداخلية)، والتشغيل دون اتصال بدون عقوبات الكمون، والحفاظ على النظام عندما يغير مزودو المنبع واجهات برمجة التطبيقات الخاصة بهم.

هذا يهم أي تطبيق ذكاء اصطناعي حيث تكون الموثوقية والقابلية للتدقيق غير قابلة للتفاوض — الرعاية الصحية واللوجستيات والأتمتة الصناعية ورعاية المسنين. كل هذه القطاعات تنمو بسرعة عبر آسيا، وكلها تشترك في نفس المتطلب: ذكاء اصطناعي يمكنك فحصه والتكيف معه والثقة به.