في عالم الذكاء الاصطناعي، يُعتبر التنبؤ بحركة الأشخاص في المشاهد المعقدة من أهم التحديات التي تواجه الباحثين. فالقدرة على التفكير في الحالة الماضية والحالية للبيئة المحيطة تظل ضرورية لتحقيق دقة عالية في التنبؤ. ولتجاوز العقبات التي تواجهها النماذج التقليدية، قدم العلماء نموذجًا جديدًا يُعرف بـ 'Object-Conditioned Social Diffusion' (OCSD).

هذا النموذج يستخدم آلية 'object-conditioning' لتعديل عملية إزالة الضوضاء في كل خطوة زمنية، مما يتيح فهمًا أعمق لعلاقات الإنسان بالأجسام المحيطة به. بالإضافة إلى ذلك، يعالج 'OCSD' التفاعلات الاجتماعية بين جميع الأشخاص في المشهد، مما يمكّن النموذج من التعامل مع أحجام مجموعات متغيرة وتفاعلات اجتماعية معقدة.

تظهر التجارب المكثفة أن نموذج 'OCSD' يحقق نتائج رائدة في معايير 'Humans in Kitchens' (HiK) و 'HOI-M3'. حيث نجح في تقليل خطأ المسار لمدة ثانيتين بمقدار 121.5 ملم (31.3%) و130.5 ملم (33.2%) على التوالي، مقارنة بالإصدارات السابقة، مما يُظهر قدرته على إنتاج تنبؤات طويلة الأمد أكثر واقعية.

مع هذا النجاح، يبشر النموذج بإمكانيات هائلة في مجالات عدة، بما في ذلك خدمات الرعاية الصحية، النقل، والتفاعل البشري مع الروبوتات. هل أنتم متحمسون لرؤية المزيد من التطبيقات العملية لهذا النموذج الثوري؟ شاركونا آرائكم!