في عالم الذكاء الاصطناعي، يعتبر تخطيط الحركة (Motion Planning) تحدياً أساسياً، خاصةً عند التعامل مع أنظمة مُجسدة يحتاج لتكون حركاتها متوافقة تماماً مع الديناميات الواقعية. ولقد أثبتت نماذج العالم الكامن (Latent World Models) أنها وسيلة واعدة لمحاكاة هذه الديناميكيات. لكن، لا تزال الطرق الحالية تعتمد على تمثيلات مستقبلية غير مقيدة، مما يجعلها تفشل في تكوين معرفي فيزيائي يمكن الاعتماد عليه ويحد من موثوقيتها في التنقل في العالم المفتوح.

لخوض هذه المشكلة، تم اقتراح نموذج جديد يُعرف بنموذج العالم الكامن المُهيكل بالطاقة (Energy-Structured Latent World Model - ELWM). يعتمد هذا النموذج على هيكلة الحالة الكامنة لتحتوي بوضوح على الطاقة والزخم، مما يضمن انتقالات سببية صارمة عبر عملية تفكك وفتح منافذ التحكم.

تم تدريب النموذج باستخدام سجلات متعددة الأبعاد RGB-D وتاريخ التفاعلات الحركية، مما يضمن تنبؤات متوافقة فيزيائياً. لزيادة فعالية التخطيط الحركي، تم بناء حقول الزمن العصبي المشروطة بالفيزياء (Physics-Conditioned Neural Time Fields - PC-NTF)، وهي الأساس التقني الذي يدمج ELWM في مجال زمن الوصول عبر معادلة إيكو (Eikonal Equation) لنشر سياسة ملاحة مدعومة فيزيائياً.

تظهر تقييمات النموذج في مشاهد محددة تحسينات كبيرة حيث تم تقليل نسبة الخطأ (NRMSE) لتنبؤ الحركة بنسبة 0.8 ثانية من 0.36 إلى 0.29، وزيادة نجاح الملاحة من 81.3% إلى 89.7%، بالإضافة إلى تحسين مجموعة SPL من 0.64 إلى 0.73. كما سجل النموذج انخفاضاً كبيراً في معدل التصادمات الفيزيائية من 12.1% إلى 5.8% واستجابة إيكو من 0.083 إلى 0.031.

تؤكد نتائجنا أن دمج الهياكل الفيزيائية الواضحة في الفضاءات الكامنة يُعتبر جسرًا حيويًا بين نماذج العالم التنبؤية وتخطيط الحركة الديناميكي القابل للتنفيذ بأمان.