وجاء التدريب بعنوان:

Exploring Deep Reinforcement Learning for Realistic Pedestrian Simulation

(استكشاف التعلم المعزز العميق لمحاكاة حركة المشاة بشكل واقعي)، وذلك بإشراف مشترك من الدكتور أحمد أبو عليا من جامعة النجاح الوطنية، والدكتور محسن شرايبي من معهد يوليش الألماني، وبالتعاون مع الدكتور حامد عبد الحق من جامعة النجاح الوطنية.

ركز المشروع على دراسة إمكانية توظيف التعلم المعزز العميق (Deep Reinforcement Learning) لتوليد سلوكيات أكثر واقعية لحركة المشاة مقارنة بالنماذج الفيزيائية التقليدية المعتمدة على القواعد الثابتة، والتي غالبًا ما تواجه صعوبات في التكيف مع البيئات الديناميكية أو غير المتوقعة. وتكتسب محاكاة حركة المشاة أهمية كبيرة في تطبيقات متعددة مثل تخطيط الإخلاء، والتصميم الحضري، وأنظمة الملاحة الذاتية.

اعتمدت الدراسة على استخدام خوارزمية Proximal Policy Optimization ضمن بنية Actor–Critic، حيث يستشعر الوكيل البيئة باستخدام مستشعرات تعتمد على تقنية ray-casting. وتم تدريب النموذج تدريجيًا باستخدام التعلم المنهجي (Curriculum Learning) مع العشوائية المجالّية (Domain Randomization) لتحسين المتانة والقدرة على التعميم.

ولأغراض التقييم، جرى مقارنة النموذج المقترح مقابل نموذج تقليدي يعتمد على Variable Goal Approach مع Universal Power Law، وهو نموذج قائم على قوى فيزيائية دون تعلم. وشملت عملية التقييم 941 تجربة لحركة مشاة بشرية عبر خمسة سيناريوهات متدرجة الصعوبة.

وأظهرت النتائج الأولية أن نموذج التعلم المعزز العميق تفوّق في المرونة والتكيف والتعامل مع البيئات المعقدة، وأنتج مسارات أكثر تنوعًا وواقعية مقارنة مع النموذج التقليدي.

ونتيجةً لتميّز الطالب في هذا التدريب، حصل على منحة ممولة من معهد يوليش الألماني لمواصلة التدريب وجاهياً في المعهد ضمن مساق التدريب العملي (3)، في خطوة تعكس جودة مخرجات كلية تكنولوجيا المعلومات والذكاء الاصطناعي، وتؤكد متانة الشراكات البحثية الدولية التي تسعى جامعة النجاح الوطنية إلى تعزيزها في مجالات الذكاء الاصطناعي المتقدمة،ويعد هذا الإنجاز مثالًا على قدرة طلبة جامعة النجاح الوطنية على المنافسة والتميّز في أرقى البيئات البحثية الدولية.