في عالم الذكاء الاصطناعي، تظهر التطورات باستمرار، ومعها تبرز تقنيات جديدة تفتح آفاقاً واسعة للتطبيقات المستقبلية. أحدث هذه التقنيات هو النموذج المبتكر Mask2Real-WM، والذي يقدم حلاً ثورياً للروبوتات في مجال التلاعب بالدقة. يعتمد هذا النموذج على مبدأ النماذج العالمية التي تقيم تبعات الأفعال المحتملة دون الحاجة لتفاعل مادي، مما يسهل عملية التخطيط والتقييم.

يعمل Mask2Real-WM في مرحلتين رئيسيتين: الأولى تتعلق بنموذج الديناميات الذي يتنبأ بالماسكات التقسيمية المستقبلية بناءً على ماسكات سابقة وسلاسل من الأفعال ذات 23 درجة حرية (23-DoF). بينما المرحلة الثانية تتعلق بنموذج العرض الذي يحول الماسكات المتوقعة إلى صور ضوئية ملونة باستخدام تقنية Stable Video Diffusion المدعومة من ControlNet.

هذه التكنولوجيا تقدم فجوة أقل بين المحاكاة والواقع في مجال تقسيم الصور، مما يمكن النموذج الديناميكي من الاستفادة من تدريب مسبق على بيانات محاكاة ضخمة تصل لأكثر من 50 ساعة، قبل أن يتم ضبطه على 2.5 ساعة من العروض الواقعية.

تظهر التجارب التي أجريت على نماذج التقطيع والنقل الدقيق أن استخدام تقسيم الماسكات والتدريب المسبق على المحاكاة يعدان ضروريين لتحقيق القدرة على التحكم في الأفعال على كافة درجات الحرية. مقارنةً بالتقنيات التقليدية، يتمكن Mask2Real-WM من عكس التأثيرات الدقيقة لكل مفصل بدقة أكبر، مما يجعله خطوة متقدمة نحو تحقيق الروبوتات المطلقة.