تُعتبر حركة اليد من أبرز مظاهر النشاط البشري، حيث تحمل أدق المعلومات عن تصرفات الإنسان. ومع ذلك، فإن أساليب تمثيل هذه الحركات في مجالات الذكاء الاصطناعي وتعلم الآلة غالباً ما تقتصر على نماذج مستمرة، كزوايا المفاصل (joint angles) أو معايير MANO، التي توفر دقة لكن تفتقر للهيكل المطلوب.

هنا يأتي دور الابتكار الجديد المتمثل في DigitCode، والذي يطرح مفهوم الرموز التمثيلية المتقطعة، مما يتيح لنا إمكانية استبدال وتحليل الحركات بكل سهولة. يتم بناء هذه الرموز وفقاً لقواعد Hand Labanotation (HL)، والتي أثبتت قدرتها على كتابة الحركة في شبكة من الرموز المحددة لكل عظمة.

DigitCode يناقش الهيكل الأساسي الذي يجب أن تتضمنه الرموز، سواء كانت عظمة أو إصبعاً أو اليد بالكامل. من خلال تعديل وترتيب الأبجدية المرتبطة باليد، استطاع البرنامج تقليل خطأ الكوانتيز (quantization error) لنسبة تصل إلى ثلاثة أرباع.

لقد طُوّر هذا النظام بحيث تصبح الرموز مرتبطة بشكل فعلي بالوحدات التشريحية، مما يتيح إمكانية التعامل مع الجانب العملي للحركة، كالتحكم في إصبع معين بفضل وجود رمز لكل إصبع. تعزز هذه الابتكارات القدرة على تصحيح الأخطاء في تصميم اليد والتحكم فيها بشكل أكثر دقة، وهو ما يعد بإحداث ثورة في الروبوتات.

كما أُطلق HandTok، كمنصة اختبار قابلة للتكرار، مما يتيح مقارنة المنمذجين للحركات اليدوية استنادًا إلى وحداتهم. يمكنكم زيارة الصفحة الرسمية للمشروع هنا. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.