SAP-CoPE: Social-Aware Planning using Cooperative Pose Estimation with Infrastructure Sensor Nodes
تقترح الورقة البحثية نظام SAP-CoPE، وهو نظام ملاحة ذاتي داخل المباني يدمج بين تقدير وضعية جسم الإنسان ثلاثي الأبعاد القائم على البنية التحتية التعاونية، وبين مخطط تحكم تنبؤي نموذجي مستوحى من علم النفس لتوليد مسارات متوافقة اجتماعياً تحترم مناطق الراحة البشرية في البيئات المزدحمة.
تخيل روبوتًا يحاول التنقل في ممر مستشفى مزدحم. إذا كان الروبوت يعتمد فقط على "عيونه" الخاصة (الكاميرات الموجودة على جسده)، فالأمر يشبه محاولة السير عبر حفلة صاخبة وأنت ترتدي عصبة عين لا تسمح لك إلا برؤية دائرة صغيرة أمامك. لا يمكنك رؤية الأشخاص خلفك، ولا يمكنك رؤية ما وراء الزوايا، وإذا خطا شخص ما أمامك، فقد تصطدم به أو تتوقف فجأة، مما يجعل الجميع يشعرون بعدم الارتياح.
تقدم هذه الورقة البحثية حلاً يسمى SAP-CoPE، والذي يعمل مثل "مبنى ذكي" يساعد الروبوت على الرؤية والتصرف بشكل أفضل. إليك كيف يعمل، مقسماً إلى أجزاء بسيطة:
1. "عيون السقف" (الإدراك التعاوني)
بدلاً من الاعتماد فقط على مستشعرات الروبوت الخاصة، يستخدم النظام شبكة من المستشعرات المثبتة في السقف (مثل كاميرات المراقبة وأجهزة الماسح الضوئي ليزر LiDAR).
التشبيه: فكر في مستشعرات السقف هذه كفريق من حراس الأمن الذين ينظرون إلى الممر من الأعلى. يمكنهم رؤية الغرفة بأكملها، وليس مجرد بقعة صغيرة أمام الروبوت.
اللمسة السحرية: هذه المستشعرات لا تكتفي بالتقاط صورة فحسب؛ بل تعمل معاً لبناء خريطة ثلاثية الأبعاد لأماكن وقوف الناس والاتجاه الذي يواجهونه. حتى لو كان الشخص مختبئاً خلف عربة (حجب رؤية)، فلا تزال مستشعرات السقف قادرة على "رؤيته" من زاوية أخرى.
خدعة "التماسك المشترك": أحياناً، قد ترتبك الكاميرا بشأن تحديد ما إذا كان الجزء المرئي هو مرفق الشخص أم كتفه. يستخدم النظام "غراءً" رياضياً (يسمى التماسك المشترك) يعرف أن أجسام البشر لها أطوال عظام ثابتة. إذا حصلت الكاميرا على صورة ضبابية، يستخدم النظام هذا "الغراء" لإعادة أجزاء الجسم إلى شكل واقعي، مما يضمن معرفة الروبوت بمكان الشخص بدقة.
2. "الفقاعة الشخصية" (الوعي الاجتماعي)
بمجرد أن يعرف الروبوت أماكن الناس، فإنه يحتاج إلى اتخاذ قرار بشأن كيفية الحركة. معظم الروبوتات تحاول فقط تجنب الاصطدام، لكن هذه الورقة تعلم الروبوت احترام "المساحة الشخصية".
التشبيه: تخيل أنك تسير وسط حشد. تشعر بعدم الارتياح إذا وقف شخص ما قريباً جداً من وجهك، لكنك لا تمانع كثيراً إذا كان خلف ظهرك.
الابتكار: يستخدم الروبوت "مجال مساحة شخصية" يعتمد على علم النفس. فهو ينشئ فقاعة غير متماثلة حول كل شخص.
أمام الشخص: تكون الفقاعة كبيرة وحساسة. يعرف الروبوت أنه يجب أن يبتعد مبكراً إذا كان شخص ما يسير باتجاهه.
خلف الشخص: تكون الفقاعة أصغر. يمكن للروبوت الاقتراب أكثر دون أن يشعر الشخص بالتهديد.
لماذا هذا مهم؟ الطرق القديمة كانت تعامل الناس كدوائر مثالية (فقاعات متماثلة)، مما جعل الروبوت يتوقف دون داعٍ أو يعلق في الحشود. أما "الفقاعة غير المتماثلة" الجديدة فتسمح للروبوت بالانسياب بسلاسة حول الناس، تماماً كما يفعل البشر.
3. "السائق الذكي" (تخطيط الحركة)
يستخدم الروبوت عقلاً يسمى التحكم التنبؤي بالنماذج (MPC).
التشبيه: هذا يشبه سائقاً لا ينظر فقط إلى السيارة التي أمامه مباشرة، بل ينظر إلى 10 ثوانٍ في المستقبل، ويتوقع أين سيكون الجميع، ويخطط لمسار سلس لتجنب التوقفات المفاجئة.
النتيجة: يحسب الروبوت التوجيه والسرعة المثاليين للبقاء ضمن "قواعد القيادة" الخاصة به (مثل عدم دوران العجلات بسرعة كبيرة) مع احترام "الفقاعات الشخصية" للأشخاص من حوله.
ماذا اختبروا؟
اختبر الباحثون هذا النظام في ممر حقيقي باستخدام روبوت يشبه السرير الطبي. كان هناك ما يصل إلى 6 أشخاص يسيرون حوله.
المقارنة: قارنوا نظامهم بطريقتين شائعتين أخريين:
نموذج القوة الاجتماعية (SFM): طريقة قياسية غالباً ما تجعل الروبوت يتوقف كثيراً أو يقترب أكثر من اللازم.
التحكم التنبئي بالنماذج + مجال الجهد (MPC + Potential Field): طريقة أكثر أماناً، لكنها غالباً ما تكون حذرة للغاية، مما يجعل الروبوت يتحرك ببطء شديد.
الفائز: كان نظام SAP-CoPE هو الأفضل؛ حيث حافظ على مسافة مريحة من الناس (الأمان)، ولم يتوقف بقدر الأنظمة الأخرى (الكفاءة)، ووصل إلى وجهته بشكل أسرع (السرعة). وحتى عند حدوث تأخير في الشبكة (مثل ضعف الواي فاي)، قام النظام بالتكيف واستمر في العمل بسلاسة.
باختصار
تقدم هذه الورقة نظاماً لا يكتفي فيه الروبوت بـ "رؤية" الناس لتجنب الاصطدام بهم فحسب، بل "يفهمهم" ليتحرك حولهم براحة. ومن خلال استخدام مستشعرات السقف لرؤية الصورة الكاملة ونموذج نفسي للمساحة الشخصية لتوجيه حركاته، يصبح الروبوت مسافراً مهذباً، سلساً، وآمناً في عالم بشري مزدحم.
ملخص تقني: SAP-CoPE
بيان المشكلة
تواجه الروبوتات المتنقلة ذاتية القيادة التي تعمل في البيئات الداخلية المزدحمة (مثل المستشفيات ومراكز التسوق) تحديين رئيسيين يعيقان الملاحة الآمنة والفعالة:
محدودية الإدراك: الاعتماد فقط على المستشعرات الموجودة على متن الروبوت يؤدي إلى محدودية في مجال الرؤية (FOV) وتكرار حالات الحجب، مما يجعل من الصعب اكتشاف مواقع البشر وتوقع نواياهم بدقة في الوقت الفلي.
الامتثال الاجتماعي: غالبًا ما تعطي خوارزميات تخطيط الحركة التقليدية الأولوية لتجنب الاصطدام المادي ولكنها تهمل مناطق الراحة النفسية للبشر. يمكن أن يؤدي هذا إلى اقتحام الروبوتات للمساحات الشخصية، مما يسبب عدم الارتياح، أو التصرف بشكل غير فعال (مثل التوقف غير الضروري) في الحشود الكثيفة.
تفتقر الأنظمة القائمة على البنية التحتية الحالية غالبًا إلى القدرة على تقدير وضعيات الجسم ثلاثية الأبعاد واتجاهات البشر بدقة باستخدام مستشعرات منخفضة التكلفة، بينما تفترض طرق التخطيط الاجتماعي كثيرًا تأثيرًا بشريًا متماثلًا أو تتجاهل القيود الكينماتيكية المحددة للروبوتات متعددة الاتجاهات.
المنهجية
تقترح الورقة البحثية نظام SAP-CoPE (التخطيط الواعي اجتماعيًا باستخدام تقدير الوضعية التعاوني عبر عقد استشعار البنية التحتية)، وهو إطار عمل يدمج الاستشعار التعاوني للبنية التحتية مع التخطيط الحركي الواعي اجتماعيًا. تتكون بنية النظام من ثلاث طبقات:
عقد الاستشعار الذكية (ISNs): عقد مثبتة في السقف مجهزة بكاميرات، وليدار (LiDAR)، وحوسبة حافة. تقوم هذه العقد بعمليات الكشف ثنائي الأبعاد وتقدير الوضعية ثلاثية الأبعاد محليًا.
الطبقة المركزية (CL): تجمع البيانات من عقد الاستالشعار (ISNs) من أجل الدمج العالمي، وتتبع الأجسام المتعددة، وتعويض التأخير، وتخطيط الحركة.
طبقة التطبيق (AL): تنفذ أوامر التحكم على الروبوت (تحديدًا سرير طبي ذاتي القيادة في هذه الدراسة).
1. وحدة الإدراك التعاوني
يعالج نظام الإدراك مشكلات الحجب والغموض في العمق من خلال نهج مبتكر لتقدير وضعية الجسم ثلاثية الأبعاد:
دمج المستشعرات: يجمع بين عمليات الكشف ثنائية الأبعاد من الكاميرا (باستخدام نموذج YOLOv11 مضبوط بدقة) وسحب النقاط المتفرقة من الليدار.
التقدير الواعي بالشك: تصيغ الطريقة مشكلة تحسين تنقل الشك من مصفوفة إسقاط الكاميرا إلى إحداثيات العالم. وهي تفرض التماسك المشترك من خلال دمج المعرفة المسبقة بأطوال العظام وحالات الشك الخاصة بها.
النمذجة الاحتمالية: يتم نمذجة مفاصل الإنسان كتوزيعات غاوسية متعددة المتغيرات. وتقوم مشكلة التقدير الأقصى للاحتمالية (MLE) بتحسين الوضعية ثلاثية الأبعاد من خلال دمج قيود تماسك المفاصل وقياسات الليدار الاختيارية.
تعويض التأخير: للتعامل مع تأخيرات الاتصال والحوسبة، يستخدم النظام تعويض التأخير القائم على الطابع الزمني والتنبؤ بالحركة (باستخدام نموذج السرعة الثابتة ومعدل الدوران) لمواءمة البيانات القديمة مع الحالة الراهنة للنظام.
2. تخطيط الحركة الواعي اجتماعيًا
يستخدم مخطط الحركة التحكم التنبئي بالنموذج (MPC) لتوليد مسارات تحترم المساحة الشخصية للبشر مع الالتزام بالقيود الكينماتيكية للروبوت.
حقل المساحة الشخصية (PS): مستوحى من الدراسات النفسية (Hall, Sommer)، ينمذج النظام المساحة الشخصية للإنسان كـ حقل غير متماثل. يكون الحقل أكبر أمام الإنسان منه خلفه، مما يعكس أن البشر أكثر حساسية للاضطرابات القادمة من الأمام. وهذا يتناقض مع حقول الجهد الاصطناعي (APF) المتماثلة أو نماذج القوة الاجتماعية (SFM).
صياغة MPC: تعمل دالة الهدف على تقليل ثلاثة حدود:
التكلفة الاجتماعية (J1): عقوبة لدخول حقل المساحة الشخصية غير المتماثل الخاص بالبشر.
خطأ التتبع (J2): الانحراف عن المسار المرجعي.
جهد التحكم (J3): الانحراف في سرعات العجلات وزوايا التوجيه عن المراجع.
الإدراك التعاوني في الوقت الفعلي: إطار عمل يستفيد من عقد الاستشعار المثبتة في السقف لتوفير إدراك موسع ومقاوم للحجب بفضل مجال رؤية أوسع.
كشف وضعية الجسم ثلاثية الأبعاد المبتكر: طريقة تجمع بين التقنيات الهندسية، ودمج المستشعرات (الصورة + الليدار المتفرق)، وقيود تماسك المفاصل لتحقيق تقدير دقيق للوضعية ثلاثية الأبعاد مع انتشار الشك.
مخطط MPC واعي اجتماعيًا: خوارزمية تدمج حقل مساحة شخصية غير متماثل في إطار عمل MPC. وهي تأخذ في الاعتبار الكينماتيكا متعددة الاتجاهات للروبوت ومناطق الراحة النفسية للبشر، مما يسمح بملاحة سلسة في الحشود الكثيفة.
التحقق في العالم الحقيقي: تجارب مكثفة تثبت فعالية النظام في كشف الوضعية والتفاعل بين الإنسان والروبوت مقارنة بالطرق المرجعية.
النتائج التجريبية
تم تقييم النظام في بيئة ممر مع أعداد متفاوتة من المشاركين البشريين (2، 4، و6).
أداء الإدراك:
حقق نهج (Cam+LiDAR) التعاوني أدنى خطأ في الموقع (MAE: 0.0771 م) وأدنى خطأ في الانحراف الرأسي (MAE: 6.86 درجة)، متفوقًا على النماذج المعتمدة على التعلم (3DNet, Metrabs) والطرق أحادية العقدة.
نجحت سلسلة المعالجة المدركة للتأخير في التخفيف بشكل كبير من تأثير تأخيرات الاتصال (تصل إلى 200 مللي ثانية)، مما حافظ على استدعاء أعلى وأخطاء أقل في الإزاحة والزاوية مقارنة بالنسخة المرجعية بدون تعويض التأخير.
أداء تخطيط الحركة:
الخلوص (Clearance): حافظت الطريقة المقترحة على خلوص أكبر وأكثر اتساقًا من البشر مقارنة بنموذج القوة الاجتماعية (SFM) ونموذج MPC مع حقل الجهد (MPC+PF)، خاصة مع زيادة كثافة الحشد.
الكفاءة: حققت الطريقة المقترحة أقصر أوقات سفر في جميع السيناريوهات. في المقابل، أظهرت طريقة MPC+PF أوقات سفر أطول في السيناريوهات المزدحمة بسبب حقلها المتماثل والمحافظ الذي تسبب في تباطؤ غير ضروري.
الجدوى في الوقت الفعلي: ظلت أوقات الحوسبة للمخطط (بما في ذلك الإدراك) أقل بكثير من دورة التحكم البالغة 100 مللي ثانية (الوسيط ~11–19 مللي ثانية اعتمادًا على عدد العوائق)، مما يؤكد القدرة على العمل في الوقت الفعلي.
الأهمية والادعاءات
يزعم المؤلفون أن SAP-CoPE يقدم إطار عمل قابل للنشر للأنظمة المستقلة الداخلية التي توازن بين الراحة الاجتماعية، الكفاءة، والسلامة.
من خلال دمج استشعار البنية التحتية، يتغلب النظام على قيود المستشعرات الموجودة على متن الروبوت فيما يتعلق بالحجب ومجال الرؤية.
يسمح نموذج المساحة الشخصية غير المتماثل للروبوت بالملاحة بشكل طبيعي وأكثر كفاءة من النماذج المتماثلة، متجنبًا سلوك "الوقوع في الفخ" الذي يحدث غالبًا في الحشود الكثيفة.
يضمن النظر الصريح في القيود الكينماتيكية متعددة الاتجاهات أن المسارات المولدة قابلة للتنفيذ فيزيائيًا للمنصة الروبوتية المحددة.
البنية النموذجية متوافقة مع منصات الروبوتات الداخلية الحالية التي تستخدم أجهزة قياسية، مما يشير إلى إمكانات قوية للنشر في الخدمات اللوجستية للرعاية الصحية وروبوتات الخدمة العامة.
تخلص الورقة إلى أنه بينما يعد النظام الحالي فعالاً، فإن العمل المستقبلي سيركز على تعزيز المتانة في البيئات شديدة الديناميكية وتحسين التنبؤ بالنوايا البشرية من خلال الخوارزميات القائمة على التعلم.