پرش به محتوای اصلی
پرش به محتوای مقاله

چگونه WAYBOUND با جداسازی روایت از مکان، خطاهای مکانی AI را می‌گیرد

·۱۹ مهر ۱۴۰۵۷ دقیقه مطالعه
شهرت تبدیل به بازی ویدیویی شد چی؟ من WAYBOUND را ساختم تا ببینم.
شهرت تبدیل به بازی ویدیویی شد چی؟ من WAYBOUND را ساختم تا ببینم.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

پیاده‌سازی معماری تفکیک‌شده (Decoupled) بین کشف مکان (توسط API) و تولید روایت (توسط LLM) برای حذف توهمات مکانی در بازی‌های شهری.

تصور کنید پیاده‌روی روزمره در محله‌تان به جست‌وجویی برای کشف رازهای پنهان تبدیل شود. پلتفرم WAYBOUND که در ۱۱ اکتبر ۲۰۲۶ عرضه شد، دقیقاً همین هدف را دنبال می‌کند: تبدیل دنیای فیزیکی به یک بازی ماجراجویی تعاملی. premise اصلی این پروژه این است که هوش مصنوعی زاینده می‌تواند از مرزهای صفحه نمایش فراتر رود تا اکتشافات فیزیکی را هدایت کند.

در حالی که در پوشش پیشین ما از Worldmodeldata دیدیم که چگونه ورودی‌های بازی‌های ویدیویی برای آموزش هوش مصنوعی فیزیکی استفاده می‌شوند، WAYBOUND مسیر را برعکس کرده است. این پروژه به‌جای استفاده از بازی برای آموزش مدل، از هوش مصنوعی زاینده (Generative AI) — شبیه نویسنده‌ای که می‌تواند بر اساس چند نکته، هزاران داستان مختلف ببافد — استفاده می‌کند تا دنیای واقعی را به یک بازی تبدیل کند. هدف این است که شکاف میان ساعت‌ها حضور در دنیای دیجیتال و گوشه‌های ناشناخته‌ی شهرهایمان پر شود. این پروژه با یک پرسش ساده آغاز شد: چه می‌شود اگر یک پارک محلی به بخشی از یک معمای بزرگ تبدیل شود، یا یک بنای آشنای شهری داستانی داشته باشد که منتظر کشف شدن است؟

مبنی‌سازی هوش مصنوعی در واقعیت

یکی از بزرگ‌ترین چالش‌های فنی در این مسیر، توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که اصلاً وجود ندارد، مثل دوستی که خاطره‌ای را اشتباه تعریف می‌کند — بود. برای یک بازی مبتنی بر ناوبری، اختراع مکان‌های خیالی توسط هوش مصنوعی یک خطای مرگبار است. هوش مصنوعی می‌تواند روایت‌های متقاعدکننده‌ای برای بازی‌های تخیلی بنویسد، اما برنامه‌ای که از کاربران می‌خواهد به مقاصد واقعی سفر کنند، نیازمند دقت جغرافیایی مطلق است.

به نقل از مستندات پروژه، توسعه‌دهنده برای حل این مشکل، تفکیک شدیدی میان «کشف مکان» و «داستان‌سرایی» ایجاد کرده است:

  • Google Places API مکان‌های واقعی و موجود در نزدیکی کاربر را شناسایی می‌کند تا مقصد حتماً بر اساس داده‌های جغرافیایی واقعی باشد.
  • Google Generative AI بر اساس همان داده‌های تأییدشده، یک روایت معمایی می‌سازد.
  • بخش بک‌اِند (Backend) پیش از ارسال کاربر به مقصد، صحت مکان را اعتبارسنجی می‌کند.

اگر شناسایی مکان با شکست مواجه شود، تجربه تولیدی (Production) به‌گونه‌ای طراحی شده است که به‌جای جایگزینی بی‌سروصدا با یک مقصد خیالی، مشکل را گزارش دهد. این یعنی اگرچه داستان‌های تولید شده توسط هوش مصنوعی ممکن است برای جذابیت و پیشبرد معمای بازی، حاوی روایت‌های تخیلی یا جزئیات تاریخی تأییدنشده باشند، اما خودِ مقصد فیزیکی باید ۱۰۰٪ واقعی باشد. این تفکیک به یکی از مهم‌ترین تصمیمات طراحی در کل پروژه تبدیل شد.

شهرتان تبدیل به بازی ویدیویی شود؟ با ساخت WAYBOUND این سوال را بررسی کردم.

تجربه ناوبری و رابط کاربری

طراحی رابط کاربری باید تعادلی میان حس رمزآلود بودن و کاربردی بودن ایجاد می‌کرد. توسعه‌دهنده در ابتدا یک نقشه «راداری» با کانسپت بالا، شامل نشانگرهای درخشان و مناطق معمایی طراحی کرد. اگرچه این رابط از نظر بصری هیجان‌انگیز بود، اما در یک تست عملی شکست خورد: آیا یک کاربر تازه‌وارد واقعاً می‌فهمد که باید به کجا برود؟ یک رابط کاربری زیبا اگر کاربر را دچار سردرگمی کند، بی‌فایده است. این رویکرد در تبدیل فرآیندهای خشک به تجربه‌های بصری، یادآور پلاگین Codyssey است که جلسات کدنویسی را به بازی‌های پیکسلی تبدیل کرد تا تعامل با ابزار را جذاب‌تر کند.

نسخه فعلی بر ابزارهای ناوبری کاربردی تمرکز دارد تا کاربر به‌جای احساس گم‌شدگی، کنجکاو شود:

  • ردیابی زنده GPS با یک نشانگر دقت برای کمک به کاربران در تعیین موقعیت دقیق خود.
  • مناطق معمایی تعاملی و نشانگرهای سرنخ که به سایت‌های اعتبارسنجی شده متصل هستند.
  • راهنمای پیاده‌روی، مسافت مسیر و تخمین زمان سفر در صورتی که نقاط میانی (Waypoints) مناسب در دسترس باشند.
  • رونمایی تدریجی که مقصد نهایی را تا زمان حل سرنخ‌های کافی پنهان می‌کند؛ این کار باعث حفظ رمز و راز بازی می‌شود و در عین حال از ناامیدی کاربر در ناوبری جلوگیری می‌کند.

مهندسی برای دنیای فیزیکی

ساخت محصول برای فضای باز متغیرهایی دارد که توسعه‌دهندگان بازی‌های سنتی به‌ندرت با آن‌ها روبرو می‌شوند. در یک بازی سنتی، توسعه‌دهنده کنترل کامل محیط را در دست دارد. اما در یک تجربه مبتنی بر مکان، عواملی مانند دسترسی عمومی، وضعیت آب‌وهوا و امنیت فیزیکی به محدودیت‌های حیاتی در طراحی تبدیل می‌شوند.

طبق گزارش توسعه‌دهنده، مختصات GPS که توسط مرورگرها ارائه می‌شود می‌تواند نادقیق باشد یا دستکاری شود، که منجر به تکمیل «جعلی» ماموریت‌ها می‌گردد. برای مقابله با این موضوع و معنادار کردن تجربه اکتشاف، WAYBOUND یک پروفایل کاوشگر شامل پاداش‌های XP و سطوح (Levels) ایجاد کرده است. برای محافظت از این پاداش‌ها، بک‌اِند از مکانیزم‌های زیر استفاده می‌کند:

  • بررسی مکان (Location checks) برای تأیید اینکه کاربر واقعاً در مقصد حضور دارد.
  • حالت‌های ذخیره‌شده ماموریت (Persisted quest states) برای ردیابی دقیق پیشرفت کاربر.
  • جلوگیری از پاداش تکراری برای جلوگیری از اینکه کاربران یک پاداش واحد را چندین بار دریافت کنند.

همچنین یک حالت همکاری (Cooperative) برای ماجراجویی‌های گروهی اضافه شده است. در این حالت، سیستم به‌جای دادن اطلاعات یکسان به دو بازیکن، سرنخ‌های مکمل ارائه می‌دهد. ممکن است یک بازیکن بخشی از معما را بفهمد در حالی که هم‌تیمی‌اش تکه دیگری از پازل را در اختیار دارد. این ساختار، کاربر را مجبور به ارتباط و همکاری واقعی در دنیای فیزیکی می‌کند و اکتشاف شهر را به یک تجربه مشترک و خاطره‌انگیز تبدیل می‌سازد.

پشته فنی (Technical Stack)

این برنامه بر پایه معماری مدرن و مقیاس‌پذیر برای تعاملات آنی بنا شده است. وقتی کاربر درخواستی برای یک ماجراجویی می‌فرستد، فرانت‌اِند موقعیت او را به بک‌اِند FastAPI ارسال می‌کند و سپس هماهنگی با Google Places و سرویس داستان‌سرایی هوش مصنوعی برای تولید ماموریت صورت می‌گیرد.

  • فرانت‌اِند: Next.js, React, TypeScript و Tailwind CSS.
  • بک‌اِند: پایتون با FastAPI.
  • پایگاه‌داده: PostgreSQL با مدیریت SQLAlchemy و Alembic برای ذخیره ماجراجویی‌ها و پیشرفت کاربران.
  • ناوبری: Google Places API برای کشف مکان‌ها، و Google Maps و Google Routes برای ناوبری.
  • هوش مصنوعی و صدا: Google Generative AI برای داستان‌سرایی، با قابلیت ادغام اختیاری ElevenLabs برای صدا و قابلیت‌های گفتار مرورگر.
  • احراز هویت و میزبانی: استفاده از OTP ایمیلی برای دسترسی امن؛ پروژه روی Render میزبانی شده و به‌صورت کاملاً متن‌باز در GitHub منتشر شده است.

در حالی که WAYBOUND بر زیرساخت‌های ابری متکی است، چالش‌های مشابهی در زمینه بهینه‌سازی مدل‌ها برای سخت‌افزارهای محدود وجود دارد؛ برای مثال پروژه Outward با استفاده از تقطیر مدل توانسته است هوش مصنوعی را به‌صورت آفلاین روی گوشی‌های ارزان‌قیمت اجرا کند.

درس‌های به‌دست‌آمده از تکرار

فرآیند توسعه نشان داد که خلاقیت هوش مصنوعی باید با اعتبارسنجی دنیای واقعی مهار شود. توسعه‌دهنده اشاره کرد که APIهای خارجی — از جمله هوش مصنوعی، سرویس‌های ارسال ایمیل و ابزارهای مکان‌یابی — مرتباً با حالت‌های حدی (Edge Cases) روبرو می‌شوند که نیاز به مدیریت خطای سخت‌گیرانه و رفتارهای بازیابی منطقی دارد.

نکات کلیدی این پروژه عبارتند از:

  • شفافیت رابط کاربری: دکمه‌های ساده و دستورالعمل‌های واضح به اندازه اتمسفر بصری اهمیت دارند. کاربران باید بدون خواندن مستندات بدانند چه کاری انجام دهند.
  • اعتبارسنجی: هوش مصنوعی در خلاقیت عالی است، اما صحت داده‌ها یک نیاز مجزا است. داده‌های واقعی دنیای فیزیکی باید همیشه بر تخیل هوش مصنوعی اولویت داشته باشند.
  • طراحی تکرارشونده: رسیدن به چشم‌انداز نهایی مستلزم بازبینی‌های مکرر در منطق تولید ماموریت، تجربه نقشه و سیستم پاداش بود.

این حرکت به سمت تجربه‌های «فیزیکی-دیجیتال» (Phygital) نشان می‌دهد که هوش مصنوعی می‌تواند به‌جای میخکوب کردن ما به صفحه نمایش، ما را به تعامل با محیط اطراف تشویق کند. با تبدیل یک پیاده‌روی معمولی به یک معمای ساختاریافته، WAYBOUND تلاش می‌کند دنیای واقعی را به اندازه یک بازی ویدیویی طراحی‌شده، جذاب کند.

نقشه راه آینده

پلتفرم WAYBOUND همچنان در حال تکامل است. هدف توسعه‌دهنده این است که تجربه را برای افرادی که گیمر نیستند نیز جذاب کند و اطمینان حاصل کند که هر کسی می‌تواند از کشف چیزهای جدید در محله خود لذت ببرد. بهبودهای آینده شامل موارد زیر است:

  • سرنخ‌های مبتنی بر مکان دقیق‌تر و ناوبری موبایلی بهینه شده.
  • داستان‌سرایی چندزبانه برای گسترش دامنه ماجراجویی‌ها.
  • بهبود دسترسی‌پذیری (Accessibility) و تجربه‌های چندنفره غنی‌تر.
  • ماجراجویی‌های ساخته شده توسط جامعه کاربران، که به کاربران اجازه می‌دهد معماهای خودشان را طراحی کنند.

توسعه‌دهندگان اکنون می‌توانند کد منبع را در گیت‌هاب بررسی کنند تا در این ویژگی‌ها مشارکت کرده یا بازخوردهای خود را درباره معماری و ایده‌های گیم‌پلی ارائه دهند. با تبدیل یک روز عادی به یک ماجراجویی کوچک، WAYBOUND کاربران را تشویق می‌کند تا کمی بیشتر پیاده‌روی کنند و به مکان‌هایی توجه کنند که پیش از این نادیده گرفته بودند.

گام بعدی شما

  • اگر توسعه‌دهنده هستید، مخزن گیت‌هاب WAYBOUND را بررسی کنید تا ببینید چگونه تفکیک داده‌های API از پرامپت‌های مدل، نرخ توهم را کاهش می‌دهد.
  • برای تجربه این مدل، از Google Places API برای استخراج نقاط جذاب محله خود و تبدیل آن‌ها به نقاط هدف استفاده کنید.
  • در مورد ترکیب ElevenLabs با مدل‌های زبانی برای ایجاد راهنمای صوتی تعاملی در محیط‌های واقعی تحقیق کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این پروژه با استفاده از اعتبار داده‌های گوگل، مدل‌های زبانی را از فضای انتزاعی به کاربردهای عملی شهری می‌برد. این رویکرد تجربه‌ای را می‌سازد که در آن هوش مصنوعی به‌جای جایگزینی با واقعیت، ابزاری برای کشف عمیق‌تر محیط فیزیکی می‌شود.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به Google Places API و سرویس‌های Google Generative AI، اجرای کامل این پروژه برای توسعه‌دهندگان ایرانی نیازمند زیرساخت‌های تغییر IP و حساب‌های توسعه‌دهنده خارجی است.

·نگاه ما
تحریریه دات‌هوش

جایگزینی «تخیل» با «داده‌های مرجع» در لایه ناوبری، راهکاری عملی برای خروج هوش مصنوعی از محیط‌های بسته است. این رویکرد نشان می‌دهد که آینده مدل‌های زبانی نه در افزایش پارامترها، بلکه در ایجاد لایه‌های اعتبارسنجی سخت‌گیرانه (Guardrails) بر اساس APIهای دنیای واقعی است تا کاربر بتواند به خروجی مدل در محیط فیزیکی اعتماد کند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.