في عالم الذكاء الاصطناعي وتكنولوجيا الروبوتات، يبرز البحث عن الأجسام في البيئات الحضرية كواحد من التحديات الكبيرة. ولذلك، تم تطوير نظام مبتكر يسمى AGOS (البحث عن الأجسام الجوية والأرضية) الذي يعتمد على التعاون بين الطائرات غير المأهولة (UAV) والمركبات الأرضية غير المأهولة (UGV) للعثور على أهداف محددة من عدة زوايا بصرية.

لتعزيز هذا المجال غير المستكشف، تم تقديم AGOS-Bench وهو أول معيار خاص لتقييم قدرات نماذج الرؤية-لغة (Vision-Language Models، VLMs) في دمج المعلومات المكتشفة عبر الهواء مع التحقق من مستوى الأرض من خلال التعاون بين الطائرتين والمركبتين.

كما تم إطلاق AGOS-Dataset كمورد مصاحب يشتمل على 7,700 حلقة تتنوع بحسب الفئات والخصائص، مما يجعلها تغطي ثلاثة مستويات من الصعوبة. هذه البيانات تم إنشاؤها عبر نظام تلقائي يضمن توفير تجارب غنية لمستخدمي هذه النماذج.

لتقديم منهج مبتكر لحل هذه المهمة، تم تقديم AGOS-Agent، الذي يعتمد على طريقة خالية من التدريب مدعومة بالأدوات. يخفف هذا المنهج من تعقيدات التنسيق الديناميكي، عبر بروتوكول تعاون يركز على البحث والتسليم والتحقق. مما يجعل نماذج VLM تركز فقط على فهم المشهد واتخاذ القرارات.

تظهر التجارب الشاملة على تسعة نماذج VLM أن AGOS-Agent قد حسّن معدل النجاح العام لثمانية من النماذج التسعة المقيمة، بينما تم تقليل خطوات القرار للجميع. في تقييمات المستوى الصعب، زادت نسبة النجاح لنموذج Gemini-3.6-Flash من 8.6٪ إلى 55.7٪ ومن 7.6٪ إلى 44.0٪ على التوالي.

هذا الابتكار يظهر كيف يمكن لتكنولوجيا الذكاء الاصطناعي أن تعزز من قدرات التنسيق والتعاون بين الأجهزة، مما يعد خطوة هائلة نحو تحقيق المزيد من التطبيقات الذكية في الحياة اليومية.

ما رأيكم في هذا التطور في مجال الذكاء الاصطناعي؟ هل تعتقدون أن المعدات الجوية والأرضية ستترك أثرًا كبيرًا في عمليات البحث المستقبلية؟ شاركونا في التعليقات.