L4acados: Learning-based models for acados, applied to Gaussian process-based predictive control
تقدم هذه الورقة L4acados، وهو إطار عمل يدمج نماذج التعلم القائمة على لغة بايثون، مثل العمليات الغاوسية والشبكات العصبية، في برنامج التحكم الأمثل في الوقت الفعلي acados عبر الحساسيات الخارجية، مما يتيح تحكماً تنبؤياً بالنماذج فعالاً وقابلاً للتوسع تم استعراضه على أجهزة مركبة ذاتية القيادة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تعلم سيارة ذاتية القيادة كيف تتسابق. لديك طريقتان لتعليمها:
- طريقة الكتاب المدرسي: تعطي السيارة كتاباً مثالياً في الفيزياء. هي تعرف تماماً كيف يجب أن تتحرك السيارة بناءً على الرياضيات وقوانين الفيزياء.
- طريقة "الخبرة الميدانية": تترك السيارة تتعلم من التجربة. تدرك السيارة قائلة: "مهلاً، الكتاب المدرسي يقول إن عليّ الانعطاف يساراً هنا، ولكن في هذا المسار تحديداً، الإطارات زلقة، لذا عليّ فعلياً أن أنعطف مبكراً قليلاً".
المشكلة هي أن برنامج "الكتاب المدرسي" (يسمى acados) سريع وفعال للغاية، لكنه جامد؛ فهو لا يفهم إلا رياضيات الكتاب المدرسي. أما "الخبرة الميدانية" (باستخدام الذكاء الاصطي cut مثل الشبكات العصبية أو العمليات الغاوسية) فهي مرنة وذكية، ولكنها عادة ما تكون بطيئة جداً أو غير متوافقة للعمل داخل برنامج "الكتاب المدرسي" السريع في الوقت الفعلي.
تقدم هذه الورقة البحثية "L4acados"، وهو مترجم عالمي يسمح للبرنامج السريع بالتحدث مع الذكاء الاصطي الذكي.
إليك تفصيل لكيفية عمل ذلك، باستخدام تشبيهات بسيطة:
1. المشكلة: حاجز اللغة
تخيل acados كمحرك سيارة سباق عالي السرعة. لقد صُمم من أجل السرعة. ولتوجيه السيارة، يحتاج المحرك إلى معرفة كيفية استجابة السيارة لعجلة القيادة (وهذا ما يسمى "الحساسية").
- عادةً، يقوم المحرك بحساب هذه الاستجابة باستخدام رياضيات داخلية خاصة به.
- ولكن إذا أردت استخدام ذكاء اصطناعي "خبير ميداني" (مثل الشبكة العصبية المدربة على بيانات العالم الحقيقي)، فإن المحرك لا يتحدث لغته.
- الطريقة القديمة: كان عليك إعادة كتابة الذكاء الاصطناعي بلغة المحرك الأصلية. كان هذا يشبه ترجمة رواية معقدة كلمة بكلمة يدوياً. كان الأمر بطيئاً، وعرضة للأخطاء، ولا يمكنك استخدام أحدث أدوات الذكاء الاصطنا الأكثر تقدماً.
2. الحل: L4acados (المترجم العالمي)
قام المؤلفون ببناء L4acados. بدلاً من إجبار الذكاء الاصطناعي على التحدث بلغة المحرك، يعمل L4acados كمترجم فوري.
- كيف يعمل: يبقى الذكاء الاصطناعي (المكتوب بلغة بايثون، لغة الذكاء الاصطناعي الحديثة) في بيئته المريحة الخاصة. عندما يحتاج محرك سيارة السباق إلى معرفة: "إذا أدرت عجلة القيادة 5 درجات، فأين سأكون بعد 0.1 ثانية؟"، فإنه يسأل L4acados.
- يقوم L4acados بسؤال الذكاء الاصطناعي بسرعة، ويحصل على الإجابة (والرياضيات الكامنة وراء سبب صحة تلك الإجابة)، ثم يغذي بها المحرك.
- الخدعة السحرية: لقد اكتشفوا طريقة لطلب العديد من الإجابات من الذكاء الاصطنا_في وقت واحد (مثل السؤال: "ماذا يحدث إذا انعطفت يساراً، يميناً، يساراً بقوة، ويميناً بقوة؟" جميعها في خطوة واحدة). هذا يسمى التوازي (Parallelization). إنه يشبه طلب فريق من 100 شخص لحل لغز في آن واحد بدلاً من سؤال شخص واحد 100 مرة. هذا يجعل العملية سريعة للغاية.
3. "العملية الغاوسية" (محقق عدم اليقين)
تستخدم الورقة أيضاً نوعاً معيناً من الذكاء الاصطناعي يسمى العملية الغاوسية (Gaussian Process - GP).
- تشبيه: تخيل خبير أرصاد جوية. الذكاء الاصطناعي القياسي قد يقول: "سوف تمطر". أما العملية الغاوسية فتقول: "سوف تمطر، وأنا متأكد بنسبة 95%. ولكن إذا تغير اتجاه الرياح، فهناك احتمال ألا تمطر".
- لماذا هذا مهم للسباق: إذا كانت السيارة متأكدة بنسبة 95% أن المسار زلق، فإنها تقود بحذر. وإذا كانت متأكدة بنسبة 99% أن المسار جاف، فإنها تقود بسرعة.
- التحدي: حساب مستوى "الثقة" هذا هو عملية ثقيلة رياضياً وعادة ما تكون بطيئة جداً لسيارة سباق.
- الحل: باستخدام L4acados، ابتكروا طريقة "الرتبة الصفرية" (Zero-Order). فكر في هذا كـ اختصار ذكي. بدلاً من حساب كل تفصيل صغير لعدم اليقين (الذي يستغرق وقتاً طويلاً)، تقوم السيارة بعمل تخمين "جيد بما يكفي" بناءً على حركتها الأخيرة، ثم تصححه بسرعة. إنه يشبه القيادة من خلال النظر إلى الطريق أمامك بدلاً من حساب احتكاك كل حصاة صغيرة.
4. الاختبار الواقعي: من السيارات المصغرة إلى السيارات الحقيقية
لم يكتفِ المؤلفون بالحديث عن ذلك فحسب، بل اختبروه أيضاً.
الاختبار 1: سيارة سباق مصغرة (بمقياس 1:24)
وضعوا هذا النظام على سيارة صغيرة يتم التحكم فيها عن بعد.- بدون الذكاء الاصطناعي: كانت السيارة تقود بحذر، وتظل في منتصف المسار لأنها كانت تخشى الانزلاق.
- مع L4acados + الذكاء الاصطناعي: تعلمت السيارة المسار. أدركت قائلة: "آه، هذا المنعطف في الواقع يوفر تماسكاً جيداً!". بدأت تقود بشكل أسرع، وتأخذ منعطفات أكثر حدة، وتحقق أزمنة لفات أسرع بكثير دون الاصطدام. لقد تعلمت موازنة السرعة والأمان بشكل مثالي.
الاختبار 2: سيارة كاملة الحجم
جربوا ذلك على مركبة حقيقية كاملة الحجم أثناء القيام بمناورة "تغيير المسار" (الانحراف لتجنب عائق).- بدون الذكاء الاصطناعي: كانت حركة السيارة متقطعة وغير مريحة. لم تكن تثق في مستشعراتها بما يكفي للقيام بحركات سلسة.
- مع L4acsdos + الذكاء الاصطناعي: تحركت السيارة بسلاسة وثقة. عرفت بالضبط مقدار التوجيه للبقاء آمنة، رغم أن ظروف الطريق كانت صعبة. حدثت العملية الحسابية بأكملها في لمح البصر (حوالي 3 إلى 8 مللي ثانية)، وهو ضمن الوقت المحدد للحفاظ على سلامة السيارة.
الخلاصة
L4acados هو جسر. إنه يسمح للمهندسين باستخدام أقوى أدوات الذكاء الاصطناعي الحديثة (المكتوبة بلغة بايثون) داخل أسرع برامج التحكم الأكثر موثوقية (acados) دون إبطاء أي شيء.
إنه يشبه منح سائق فورمولا 1 سوبر كمبيوتر يمكنه التنبؤ بمستقبل المسار، مع السماه في الوقت نفسه بالقيادة بسرعة 200 ميل في الساعة. النتيجة هي آلات ليست فقط أسرع، بل أكثر ذكاءً وأماناً أيضاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.