تواجه منهجيات التنقل اللغوي البصري (Visual-Language Navigation - VLN) حاليًا تحديًا ملحوظًا يتجلى في التوازن بين الفهم السيميائي والدقة في التحكم. فبينما تقدم نماذج اللغة متعددة الوسائط (Multimodal Large Language Models - MLLMs) قدرات استدلال متفوقة، فإن استخدامها كأدوات تحكم منخفضة المستوى يؤدي غالبًا إلى مشاكل مثل زيادة زمن الانتظار وتذبذب الحركة وسوء التعميم بسبب ضعف الأساس الهندسي.

لتجاوز هذه القيود، تم تقديم Fly0، إطار عمل جديد يفصل بين الاستدلال السيميائي والتخطيط الهندسي. تعمل الطريقة المقترحة عبر عملية ثلاثية المراحل:

1. **المرحلة الأولى**: وحدة مدفوعة بنموذج MLLM تعمل على تأصيل التعليمات اللغوية الطبيعية في الإحداثيات البكسلية ثنائية الأبعاد.
2. **المرحلة الثانية**: وحدة إسقاط هندسي تستخدم بيانات العمق لتحديد مواقع الأهداف في الفضاء ثلاثي الأبعاد.
3. **المرحلة الثالثة**: مخطط هندسي لتوليد مسارات خالية من التصادم.

تتيح هذه الآلية تنقلًا قويًا حتى عند فقدان الاتصال البصري. من خلال القضاء على الحاجة إلى التحليل المستمر، يقلل Fly0 من العبء الحسابي ويحسن من استقرار النظام.

تشير التجارب الشاملة في البيئات الافتراضية والحقيقية إلى تفوق Fly0 على الأساليب المعتمدة حاليًا، حيث ازدادت نسبة النجاح بأكثر من 20% وانخفضت نسبة خطأ التنقل (Navigation Error - NE) بنحو 50% في البيئات غير الهيكلية. ولمن يرغب في استكشاف البرمجيات ذات الصلة، يمكن الوصول إلى كود المشروع عبر رابط GitHub.

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!