كاميرا إيغو – أداة رؤية مجسمة مثبتة على الرأس لجمع بيانات تعلم الروبوت
وحدة كاميرا ثنائية العدسة تُثبّت على الرأس، مصممة خصيصاً لالتقاط بيانات العرض التوضيحي البشري. توفر هذه الوحدة بيانات استشعارية أولية متزامنة مع الأجهزة، ومعايرة مسبقاً من المصنع، لدعم التعلم بالتقليد وخطوط أنابيب الذكاء الاصطناعي المجسد.
عنق الزجاجة في البيانات الذي يعيق الذكاء الاصطناعي الفيزيائي
بحلول عام 2026، تبلور إجماع عالمي في صناعة الروبوتات مفاده أن البيانات هي العائق الرئيسي الذي يحول دون نشر الذكاء الاصطناعي المادي على نطاق واسع. تتدرب نماذج اللغة الضخمة على تريليونات من الرموز النصية، ومع ذلك، لا تملك أنظمة الذكاء الاصطناعي المجسدة سوى أقل من عُشر ألف من هذا الحجم من لقطات التفاعل المادي في العالم الحقيقي.
يشكل هذا التفاوت عائقًا كبيرًا أمام التقدم. وتشير تقديرات مختبرات الروبوتات الرائدة إلى أن تدريب سياسات التلاعب المتقدمة يتطلب ما بين 100 مليون ومليار ساعة من لقطات الفيديو من منظور الشخص الأول خلال العامين أو الثلاثة أعوام القادمة. وحتى بالنسبة لمهمة تلاعب واحدة منفصلة، تتطلب مجموعات بيانات التدريب ما بين 100 ألف ومليون ساعة من النشاط البشري المسجل.
يتفق خبراء الصناعة على أن جمع البيانات من منظور الشخص الأول يوفر أعلى مستويات قابلية التوسع. فبدلاً من الاعتماد على أجهزة التحكم عن بعد باهظة الثمن والتي تكلف عشرات الآلاف من الدولارات الأمريكية للوحدة الواحدة، تستخدم فرق البحث وموردي البيانات الآن كاميرات خفيفة الوزن مثبتة على الرأس لالتقاط لقطات توضيحية أثناء قيام الأشخاص بأداء مهامهم اليومية الطبيعية.
هذا التحول واضح بالفعل في التطبيقات العملية. ففي أبريل 2026، انتشرت لقطات فيديو تُظهر آلاف عمال النسيج في منطقة دلهي الكبرى بالهند وهم يرتدون كاميرات صغيرة مثبتة على الرأس من إنتاج شركة Egolab.AI. ويقوم هؤلاء المشغلون الآن بتوليد مجموعات بيانات فيديو ضخمة تركز على المستخدم لتدريب الجيل القادم من الروبوتات الشبيهة بالبشر.
لماذا تُعدّ البيانات الشخصية التي تتمحور حول الذات ضرورية؟
يجب أن تستوعب الروبوتات المدخلات البصرية التي يراها البشر بدقة لكي تتمكن من محاكاة المهارات الحركية البشرية بدقة. وقد أكدت موجة من الأبحاث المنشورة بين عامي 2025 و2026 القيمة التحويلية لمجموعات البيانات المتمركزة حول الذات.
1.
الأنا البشرية إن 30 دقيقة فقط من الفيديو الذي يركز على الإنسان لكل مهمة تحقق معدل نجاح متوسط قدره 92.5٪ في مهام التلاعب في العالم الحقيقي، مما يتيح نقل المهارات من البشر إلى الروبوتات دون أي تدريب مسبق.
2.
محاكاة الأنا يؤدي دمج بيانات العرض التوضيحي البشري إلى تحسين أداء المهام بنسبة تتراوح بين 34% و228% مقارنةً ببيانات التدريب الخاصة بالروبوت فقط. وتُحقق ساعة واحدة من لقطات اليد البشرية الإضافية تحسينًا أكبر بكثير في النموذج مقارنةً بساعة واحدة من البيانات الإضافية التي يجمعها الروبوت بنفسه. كما تُحقق مجموعات البيانات الهجينة التي تجمع بين الإنسان والروبوت أداءً فائقًا في التدريب والنشر، بما في ذلك لقطات من عمليات التشغيل عن بُعد بعيدة المدى.
3.
مقياس الأنا تم تطوير هذا الإطار من قبل باحثي NVIDIA، وهو يستفيد من مجموعة بيانات متنوعة تضم 20854 ساعة من اللقطات التي تركز على الإنسان لتوسيع نطاق قدرات التلاعب البارع عبر المهام العامة.
4.
منطقة مفتوحة تم إصدار مجموعة بيانات فيديو ذاتية التمركز مدتها 2000 ساعة مقترنة بحركات اليد المتزامنة وتعليقات توضيحية للحركة الذرية.
5.
أطر عمل متطورة تعمل الأطر المتطورة بما في ذلك EgoGuide و EgoLive على تبسيط عملية التقاط العروض التوضيحية بدون روبوتات وإنشاء مجموعات بيانات مركزية على الذات على نطاق واسع.
على الرغم من هذا الزخم في الصناعة، لا تزال حلول الأجهزة اللازمة لالتقاط الصور من منظور الشخص الأول بجودة عالية متفرقة. ويضطر الباحثون وفرق البيانات إلى تجميع كاميرات الحركة الاستهلاكية، ونظارات الواقع المعزز، وأجهزة مصممة خصيصًا، مما يؤثر سلبًا على دقة التزامن، وتناسق المعايرة، وراحة الاستخدام لفترات طويلة.
نظرة عامة على منتج كاميرا إيغو
كاميرا Ego هي وحدة كاميرا ستيريو ثنائية العدسة مثبتة على الرأس، مصممة من الصفر لالتقاط البيانات المتمركزة حول الذات في تعلم الروبوتات، والذكاء الاصطناعي المجسد، وسير عمل التعلم بالتقليد.
على عكس كاميرات الحركة الاستهلاكية المُعاد استخدامها لأغراض البحث، صُممت كاميرا Ego خصيصاً لتطبيقات الروبوتات الأكاديمية والصناعية. فهي تُخرج بيانات استشعار خام نقية، متزامنة مع الأجهزة، ومعايرة مسبقاً من المصنع، دون الحاجة إلى أي إعدادات لاحقة.
المواصفات الفنية الأساسية
| مواصفة | تفاصيل |
|---|---|
| مستشعرات الصور | مستشعران CMOS مزدوجان بدقة 2 ميجابكسل مع غالق عالمي |
| مجال الرؤية الأفقي (HFOV) | 60-65 درجة، بما يتوافق مع نطاق الرؤية البشرية الطبيعي |
| تقنية المصراع | الغالق العالمي؛ يزيل تشوه الغالق الدوار أثناء الحركة عالية السرعة |
| وحدة قياس القصور الذاتي (IMU) | مقياس تسارع ICM-26888-P سداسي المحاور (مقياس تسارع ثلاثي المحاور + جيروسكوب ثلاثي المحاور)، تردد أخذ عينات 200-500 هرتز |
| آلية التزامن | تشغيل منفذ الإدخال/الإخراج العام للأجهزة؛ خطأ مزامنة الإطار مع وحدة القياس بالقصور الذاتي < 10 ميكروثانية |
| تحديد الوقت | طوابع زمنية موحدة على مستوى الأجهزة بالنانو ثانية لكل إطار صورة وقراءة وحدة القياس بالقصور الذاتي |
| واجهة سلكية | منفذ USB 2.0 من النوع C، متوافق مع معيار UVC؛ يدعم SDK متعدد المنصات لأنظمة التشغيل Windows وLinux وROS |
| نشر الشبكات اللاسلكية | اتصال واي فاي مدمج + تخزين على بطاقة MicroSD؛ يتم إعطاء الأولوية لتخزين اللقطات محليًا، ويتم التحميل التلقائي إلى السحابة عند إعادة الاتصال بالشبكة. |
| معيار التركيب | فتحات تثبيت ملولبة مقاس 1/4 بوصة - 20، متوافقة مع أحزمة الرأس البديلة والتركيبات المخصصة. |
| معايرة | معلمات ستيريو داخلية/خارجية معايرة مسبقًا من المصنع وتحويلات الكاميرا-IMU، مخزنة بشكل دائم في ذاكرة فلاش داخلية |
لماذا يُعدّ الغالق العالمي عنصرًا لا غنى عنه في تعلم الروبوتات؟
تعتمد كاميرات المستهلكين على مستشعرات الغالق الدوار التي تعرض صفوف البكسل بالتتابع. وتؤدي حركات اليد البشرية السريعة - وهي عنصر حاضر دائمًا في لقطات العرض التوضيحي - إلى ظهور تشوهات حادة في الغالق الدوار تُعرف باسم "تأثير الهلام": حواف مشوهة للأجسام، وتشوه هندسي، وتتبع غير موثوق للميزات.
تُعيق هذه التشوهات مسارات الروبوتات. لا تستطيع واجهات VIO الأمامية، وخوارزميات SLAM البصرية، وسياسات التعلم بالتقليد تحمل تحولات الميزات غير المتوقعة بين الإطارات، مما يؤدي إلى تدهور كبير في تعميم النموذج وأداء المهام في العالم الحقيقي.
يُعرّض مستشعر الغالق العالمي في كاميرا إيغو جميع البكسلات في وقت واحد ضمن نافذة التقاط واحدة. يتوافق كل إطار مع وضعية جسم صلب لا لبس فيها دون أي تشويه هندسي - وهو معيار إلزامي لأبحاث الروبوتات الدقيقة وتدريب النماذج التجارية.
بينما تسعى الصناعة إلى الحصول على مجموعات بيانات أكبر بكثير تركز على الذات (مثل أرشيفات EgoLive التي تضم آلاف الساعات من لقطات ستيريو عالية الدقة تغطي مهام منزلية وصناعية حقيقية)، يستمر الطلب على أجهزة التقاط خالية من التشوه ودقيقة الإطارات في الارتفاع.
مزامنة الأجهزة: الفجوة بين بيانات التدريب منخفضة الجودة وبيانات التدريب ذات الجودة الإنتاجية
عندما يُنفّذ البشر تسلسلات مناورة - كالوصول إلى الأشياء، والإمساك بها، ووضعها - تتطلب سياسات الروبوت تزامنًا زمنيًا دقيقًا بين حركة اليد المرئية وحركة الجسم بالقصور الذاتي. حتى بضعة أجزاء من الثانية من عدم التزامن بين إطارات الكاميرا وقراءات وحدة القياس بالقصور الذاتي (IMU) تُفسد مجموعات بيانات التدريب بأكملها. يؤدي تزامن الطابع الزمني البرمجي (التزامن البرمجي) إلى تراكم الانحرافات خلال جلسات التسجيل، ولا يفي بمعايير الدقة المطلوبة لأنظمة التعلم بالمحاكاة عالية الدقة.
تستخدم كاميرا Ego نبضة GPIO مخصصة لتشغيل كل من المستشعرات ثنائية العدسة ووحدة IMU في آن واحد، مما يوفر دقة تزامن أفضل من 10 ميكروثانية. تحمل كل صورة وعينة قصور ذاتي طابعًا زمنيًا مشتركًا للأجهزة، ما يفي بالمتطلبات الزمنية الصارمة لأطر عمل VIO السائدة، بما في ذلك VINS-Fusion وOpenVINS.
تعتمد مجموعات البيانات الرائدة ذات الصلة بالشخصية، مثل Open-AoE، على هذا المستوى من مزامنة الأجهزة لتقديم تسميات نصية متزامنة، وتقدير وضعية اليد القائم على MANOS، وسجلات مسار الكاميرا، وعلامات الحركة الذرية المحددة زمنيًا - وكلها مخرجات أساسية تم تصميم كاميرا Ego لدعمها بشكل أصلي.
المعايرة المسبقة في المصنع: التخلص من المعايرة التي تستغرق وقتًا طويلاً في الموقع
تُعدّ المعايرة اليدوية إحدى أكثر العقبات استهلاكاً للموارد في عمليات التقاط البيانات متعددة الكاميرات. ويتطلب ضبط معلمات العدسة الداخلية، والإزاحات الخارجية المجسمة، ومصفوفات تحويل الكاميرا-وحدة القياس بالقصور الذاتي، معدات بصرية متخصصة، وخبرة فنية، وساعات عمل لكل جهاز.
تُغني كاميرا Ego عن هذه العملية تمامًا. تخضع كل وحدة لمعايرة شاملة قبل مغادرة المصنع. تُسجل جميع المعايير الأساسية - البعد البؤري، وإحداثيات النقطة الرئيسية، ومعاملات التشوه، والخصائص الخارجية المجسمة، وتحويلات الكاميرا-وحدة القياس بالقصور الذاتي - بشكل دائم في ذاكرة الفلاش الداخلية.
يمكن لفرق البحث وموردي البيانات البدء بتسجيل لقطات فيديو عالية الجودة في غضون خمس دقائق من فتح العلبة، دون الحاجة إلى أهداف مربعة أو أجهزة معايرة أو جلسات معايرة تستغرق نصف يوم. تتطلب مجموعات البيانات الحديثة عالية الجودة التي تركز على الذات وجود كاميرات معايرة مسبقًا من المصنع، وهي مواصفات مدمجة مباشرة في كل وحدة من وحدات كاميرا Ego.
وضعان للنشر، منصة أجهزة موحدة واحدة
1. وضع الاتصال السلكي عبر منفذ USB
اتصل بأجهزة الكمبيوتر المحمولة أو محطات العمل لمعاينة مباشرة في الوقت الفعلي وتسجيل البيانات بزمن استجابة منخفض. مُحسَّن للبيئات المختبرية المُتحكَّم بها حيث يتحقق الباحثون من جودة البيانات عند الطلب. مدعوم بالكامل من خلال حزم تطوير برمجية (SDKs) متعددة المنصات متوافقة مع أنظمة التشغيل Windows وLinux وأطر عمل الروبوتات ROS.
2. وضع عدم الاتصال بالإنترنت عبر الواي فاي وبطاقة الذاكرة الخارجية (MicroSD)
تسجيل لاسلكي لجمع البيانات الموزعة على نطاق واسع. تُكتب جميع اللقطات الملتقطة أولاً على وحدة تخزين MicroSD محلية لمنع فقدان البيانات أثناء انقطاع الشبكة؛ وبمجرد استعادة الاتصال، تتم مزامنة الملفات تلقائيًا مع خوادم سحابية بعيدة أو مستودعات بيانات محلية. مثالي لالتقاط مشاهد متعددة في المطابخ وورش التصنيع والمكاتب وغيرها من بيئات العالم الحقيقي لإنتاج آلاف الساعات من لقطات العرض التوضيحي.
مخرجات البيانات الخام المنظمة (بدون معالجة الذكاء الاصطناعي المدمجة)
تُخرج الوحدة بيانات المستشعر الخام النقية غير المعدلة بدون أي تنعيم مدمج للصور أو تعليق تلقائي أو استنتاج ذكاء اصطناعي على الجهاز - مما يحافظ على الدقة الخام الكاملة للتكامل في مسارات التدريب المخصصة:
left_video.mp4/right_video.mp4: تدفقات فيديو متزامنة ثنائية العدسة مجسمةimu_6axis.csvسجلات قياس القصور الذاتي سداسية المحاور (مقياس التسارع + الجيروسكوب) مُعَلَّمة بطوابع زمنية خاصة بالأجهزة.timestamps_ns.txt: طوابع زمنية موحدة بالنانوثانية لجميع إطارات الصور وعينات وحدة القياس بالقصور الذاتيملف calibration_params.yaml: تحويلات معايرة داخلية وخارجية ومعايرة الكاميرا-IMU مُجهزة مسبقًا
شرائح المستخدمين المستهدفة
مختبرات البحث الأكاديمي في مجال الذكاء الاصطناعي المجسد والتعلم بالتقليد
مصنعي الروبوتات الشبيهة بالبشر والروبوتات ذات القدرة العالية على المناورة
مزودو خدمات البيانات المتخصصون يقومون بإنشاء مجموعات بيانات تدريبية لعملاء الذكاء الاصطناعي المادي
فرق البحث والتطوير التي تعمل على بناء خوارزميات VIO و SLAM البصرية
فرق الروبوتات تعمل على توسيع نطاق عمليات جمع البيانات التجريبية واسعة النطاق التي تركز على الذات
تاريخ النشر: 11 أغسطس 2026
