جادوی هوش مصنوعی UniMate پرینستون: انیمیشن‌سازی برای اژدها، خرچنگ و ربات فقط با یک مدل!
محققان دانشگاه پرینستون با همکاری ام‌آی‌تی و برکلی از مدل هوش مصنوعی UniMate رونمایی کردند که می‌تواند تنها با یک پرامپت متنی ساده، به اسکلت سه‌بعدی هر کاراکتری جان ببخشد. این سیستم نوآورانه بر خلاف ابزار‌های سنتی، نیازی به تنظیمات اختصاصی برای هر اسکلت ندارد و از پس انیمیشن‌سازی انواع موجودات، از انسان و اژدها گرفته تا خرچنگ و بازوی مکانیکی برمی‌آید. وزن‌های این مدل و ابزار‌های آن به شکل متن‌باز در اختیار توسعه‌دهندگان قرار گرفته است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- محققان دانشگاه‌های پرینستون، برکلی و MIT مدلی به اسم UniMate ساختن که فقط با گرفتن یه پرامپت متنی ساده، به اسکلت سه‌بعدی هر کاراکتری حرکت میده؛ از انسان و یوزپلنگ گرفته تا هشت‌پا، اژدها و قطعات مکانیکی.
- برخلاف سیستم‌های قدیمی که برای هر مدل یا اسکلت جدید باید جداگانه آموزش می‌دیدن، UniMate ساختار مفاصل رو به عنوان بخشی از پرامپت تحویل یه دیفیوژن ترنسفورمر میده و حرکات رو یکپارچه تولید می‌کنه.
- وزن‌های مدل، دیتاست و حتی دموی تحت مرورگر این پروژه به شکل عمومی منتشر شده و مخزن گیت‌هابش هم خیلی سریع توجه جامعه توسعه‌دهندگان هوش مصنوعی رو جلب کرده.
انیمیشن‌سازی انواع اسکلت‌ها فقط با یک مدل حرکتی در UniMate
مدل هوش مصنوعی UniMate می‌تواند تنها بر اساس یک دارایی سه‌بعدی ریگ‌شده (Rigged 3D Asset) و یک پرامپت متنی ساده، حرکات مفصلی و طبیعی تولید کند. نکته شگفت‌انگیز اینجاست که یک وزن یا چک‌پوینت واحد از این مدل، قادر است بدون نیاز به فاین‌تیونینگ اختصاصی یا بهینه‌سازی در زمان آزمون، حرکات انواع کاراکترها مانند انسان‌ها، اژدهایان، خرچنگ‌ها، مارها، هشت‌پاها، یوزپلنگ‌ها و حتی اجسام مکانیکی را به شکل خودکار شبیه‌سازی کند. پژوهشگرانی از دانشگاه‌های پرینستون، یوسی برکلی، ام‌آی‌تی (MIT) و دانشگاه فناوری نانیانگ (NTU) این سیستم پیشگامانه را در مقاله‌ای برای کنفرانس SIGGRAPH Asia 2026 معرفی کرده‌اند.
مخزن گیت‌هاب این پروژه با استقبال بالایی روبه‌رو شده و در مدت کوتاهی ستاره‌های زیادی کسب کرده است. در حال حاضر دیتاست، ابزار‌های پردازشی، دموی تحت وب در مرورگر و وزن‌های مدل به شکل عمومی در دسترس علاقه‌مندان قرار گرفته‌اند، اما اسکریپت‌های آموزش و استنتاج قرار است در آینده منتشر شوند.
وقتی اسکلت کاراکتر هم به بخشی از پرامپت تبدیل می‌شود
توپولوژی اسکلت در واقع نشان می‌دهد که مفصل‌ها چطور به شکل یک ساختار درختی کینماتیک به هم وصل می‌شوند. ریگ‌ها حتی اگر حرکات مشابهی داشته باشند، ممکن است از نظر تعداد مفاصل، روابط والد و فرزند، تناسبات بدنی و حالت اولیه (Rest Pose) کاملاً با هم فرق داشته باشند. به همین خاطر، اگر یک موجود به شکل خودکار ریگ شده باشد و سلسله‌مراتب مفاصلش ناآشنا باشد، معمولاً در قالب‌های از پیش تعریف‌شده انیماتورهای سنتی نمی‌گنجد و کار با خطا مواجه می‌شود.
بسیاری از سیستم‌های انیمیشن‌سازی مبتنی بر هوش مصنوعی تا به امروز، فرض می‌کردند که با یک الگوی ثابت انسانی یا جانوری سر و کار دارند، به حرکات مرجع وابسته بودند یا مجبور می‌شدند مدل را برای هر اسکلت جدید جداگانه تطبیق دهند. اما UniMate این معادله را تغییر داده است؛ این سیستم اسکلت اولیه را مستقیماً به یک دیفیوژن ترنسفورمر آگاه به توپولوژی ارسال می‌کند. این مدل همگام با در نظر گرفتن ساختار ریگ و متن ورودی، توکن‌های حرکتی را به صورت گام‌به‌گام و تکرارشونده صیقل می‌دهد تا یک انیمیشن کاملاً واقع‌گرایانه و بدون نقص خلق کند.
مطالب مرتبط و پیشنهادی
پیش‌بینی دویچه بانک از برندگان موج بعدی هوش مصنوعی: وقت درخشش متا و سرویس‌ناو رسید!
تحلیلگران دویچه بانک معتقدند دوره تمرکز صرف روی سهام شرکت‌های تراشه‌ساز به سر آمده و موج بعدی سودآوری هوش مصنوعی متعلق به پلتفرم‌های مجهز به ایجنت‌های هوشمند و بازیگران کلیدی سخت‌افزار است. این بانک معتبر، غول‌هایی مانند متا و سرویس‌ناو را در صدر فهرست گزینه‌های برتر فناوری برای پیشتازی در این مسیر معرفی کرده است.
مصاحبه داغ با وینود خوسلا: از خرید ۹ میلیارد دلاری تا هشدار درباره مدل‌های متن‌باز و آینده ایجنت‌ها
وینود خوسلا، سرمایه‌گذار کهنه‌کار سیلیکون‌ولی و مالک جدید تیم سیاتل سی‌هاکس، در گفت‌وگویی خواندنی از دلایل خرید غیرمنتظره این باشگاه ورزشی و دیدگاه‌های جنجالی خود درباره خطرات هوش مصنوعی پرده برداشته است. او با تأکید بر تهدیدات مدل‌های متن‌باز بدون نظارت، معتقد است که جلب اعتماد کاربران برگ برنده اصلی استارتاپ‌ها در توسعه ایجنت‌های هوش مصنوعی خواهد بود.
غول‌کشی با ۱۶۴ مگابایت؛ مدل متن‌باز Phonon-2 با خطای ۵ درصدی ویسپر را پشت سر گذاشت!
استارتاپ تحقیقاتی فرمیون (Fermion Research) با عرضه مدل متن‌باز Phonon-2 سر و صدای زیادی به پا کرده است؛ مدلی که با حجم فوق‌العاده اندک ۱۶۴ مگابایتی‌اش، دقتی خیره‌کننده در تشخیص گفتار انگلیسی ارائه می‌دهد. این هوش مصنوعی جمع‌وجور نه‌تنها از مدل‌های بسیار سنگین‌تر بازار عملکرد بهتری ثبت کرده، بلکه اجرای محلی و بدون نیاز به اینترنت تبدیل گفتار به متن را روی دستگاه‌های معمولی هم ممکن می‌کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.