ملخص تقني: الحقول المتجهة لتتبع المسارات على مجموعات لي (Lie Groups) مع تطبيق في التحكم في الروبوتات

بيان المشكلة

تمتلك العديد من الأنظمة الروبوتية، مثل المركبات الجوية متعددة الاتجاهات، والروبوتات المائية، ونهايات الأذرع الروبوتية (end-effectors)، تحكماً مستقلاً في الموضع والاتجاه (الوضعية/pose). تعمل هذه الأنظمة كأجسام صلبة في الفضاء ثلاثي الأبعاد، وتتطور على متشعب التكوين $SE(3)$ بدلاً من الفضاء الإقليدي. المشكلة الجوهرية التي يتم معالجتها هي تتبع المسار (path following): أي توجيه النظام نحو منحنى هندسي دون تخصيص زمن مسبق. وبخلاف تتبع المسار الزمني (trajectory tracking)، يقوم تتبع المسار بفصل المهام المكانية عن المواصفات الزمنية، مما يوفر مزايا مثل تحسين المتانة تجاه الاضطرابات، وسلاسة التقارب، وتقليل جهد التحكم.

بينما تم تطبيق حقول التوجيه المتجهة بنجاح في تتبع المسارات في الفضاء الإقليدي ($\mathbb{R}^n$)، فإن توسيع هذا الإطار ليشمل مجموعات "لي" (Lie groups) مثل $SE(3)$ يطرح تحديات. غالباً ما تعتمد النهج السابقة على تضمين المتشعب في فضاء إقليدي ذي أبعاد أعلى ثم إسقاط مدخلات التحكم مرة أخرى، مما يؤدي إلى أبعاد تحكم زائدة (على سبيل المثال، 9 أبعاد لـ $SO(3)$ بدلاً من 3 الأبعاد الجوهرية). علاوة على ذلك، تعتمد الطرق الموجودة على المتشعبات غالباً على تعريفات ضمنية للمستويات (level-set) للمنحنيات، وهو ما قد يكون غير ملائم لتحديد مسارات معقدة. تعالج هذه الورقة الحاجة إلى إطار عمل عام ومتأصل للحقول المتجهة لتتبع المسارات على مجموعات "لي" المصفوفية المتصلة، والذي ينتج مدخلات تحكم دنيا وغير زائدة (مثل الالتواءات الجسمانية/body twists) ويدعم تمثيلات المنحنيات البارامترية.

المنهجية

الإطار النظري

يقترح المؤلفون استراتيجية حقل متجه عام لمجموعات "لي" المصفوفية المتصلة $G$. يتم نمذجة ديناميكيات النظام كنظام كامل التفعيل من الدرجة الأولى:
$$\dot{H}(t) = S(\xi(t))H(t)$$
حيث $H(t) \in G$ هو الحالة، و $\xi(t) \in \mathbb{R}^m$ هو مدخل التحكم (الالتواء المعمم/generalized twist)، و $S$ هي خريطة خطية من $\mathbb{R}^m$ إلى جبر "لي" $\mathfrak{g}$.

يتم بناء الحقل المتجه الموجه $\Psi(H)$ كمجموع لمكونين:
$$\Psi(H) = k_N(H)\xi_N(H) + k_T(H)\xi_T(H)$$

1. المكون العمودي ($\xi_N$): مسؤول عن التقارب نحو المنحنى. ويُشتق من تدرج دالة المسافة.
2. المكون المماسي ($\xi_T$): مسؤول عن الحركة على طول المنحنى. ويُعرف عبر المتجه المماسي للمنحنى عند أقرب نقطة.

الابتكارات الرياضية الرئيسية

لتوسيع نهج الحقل المتجه الإقليدي (تحديداً من [11]) ليشمل مجموعات "لي"، يقدم المؤلفون مؤثرات وخصائص مسافة محددة:

• المؤثرات:
  • مؤثر $\Xi$: يستخرج متجه سرعة جبر "لي" من مسار قابل للتفاضل على المجموعة، وهو مشابه للمشتق الزمني $\frac{d}{dt}$.
  • مؤثر $\mathcal{L}$: مشابه لمؤثر التدرج $\nabla$ على مجموعة "لي"، ويُعرف عبر نهاية المشتقات الاتجاهية على طول بنية المجموعة.
• متطلبات دالة المسافة: يعتمد الإطار على دالة مسافة "عنصر-إلى-عنصر" (EE-distance) $\bar{D}$ تستوفي ثلاث خصائص حرجة:
  1. الثبات لليسار (Left-Invariance): $\bar{D}(AV, AW) = \bar{D}(V, W)$. وهذا يضمن أن المكونين العمودي والمماسي متعامدان.
  2. القابلية للربط (Chainability): المسافة بين نقطتين تساوي مجموع المسافات على طول مسار محدد يربطهما. تضمن هذه الخاصية عدم وجود نقاط صغرى محلية خارج المنحنى المستهدف.
  3. الخطية المحلية (Local Linearity): تتصرف المسافة بشكل خطي بالقرب من المسار، مما يضمن أن التدرج (المكون العمودي) لا يتلاشى أبداً خارج المنحنى.

التخصص في $SE(3)$

بالنسبة للحالة الخاصة لـ $SE(3)$، تُعرف الورقة فئة من مجموعات "لي" الأسية الخاصة (Special Exponential Lie Groups). بالنسبة لهذه المجموعات، يتم بناء مسافة EE-صحيحة باستخدام معيار "فروينيوس" (Frobenius norm) للوغاريتم المصفوفي:
$$\bar{D}(V, W) = \| \log(V^{-1}W) \|_F$$
يتيح هذا الصياغة خوارزمية صريحة وفعالة لحساب المسافة ومشتقاتها، متجنبة التكلفة الحسابية لحسابات الجيوديسيا العامة. يتوافق مدخل التحكم $\xi$ مباشرة مع التواء الروبوت (السرعات الخطية والزاوية)، مما يضمن مطابقة بُعد المدخل لدرجات حرية النظام.

المساهمات الرئيسية

1. التعميم على مجموعات "لي": توسع الورقة استراتيجية الحقل المتجه من الفضاء الإقليدي إلى مجموعات "لي" المصفوفية المتصلة، مما ينتج مدخل تحكم غير زائد يحترم الهندسة الجوهرية لفضاء التكوين.
2. البراهń الرسمية وخصائص المسافة: يقدم المؤلفون براهين رسمية للتقارب والعبور، مستخرجين خصائص محددة (الثبات لليسار، القابلية للربط، الخطية المحلية) التي يجب أن تستوفيها دالة المسافة لضمان استقرار الحقل المتجه.
3. خوارزمية فعالة لـ $SE(3)$: تم تطوير خوارزمية فعالة لتنفيذ الاستراتيجية على $SE(3)$، باستخدام خاصية الأسية الخاصة لحساب المسافات والتدرجات دون أبعاد زائدة.
4. التحقق الواقعي: تم التحقق من النهج من خلال تجارب باستخدام ذراع روبوتية Kinova Gen3 بـ 7 درجات حرية.

النتائج التجريبية

أجرى المؤلفون تجارب باستخدام ذراع Kinova Gen3 بـ 7 درجات حرية. كُلفت نهاية طرف الذراع بتتبع منحنى مجزأ معقد في $SE(3)$ يتجنب الاصطدامات الذاتية وحدود المفاصل.

• الأداء: نجح النظام في التقارب نحو المنحنى المطلوب وتتبعه.
• المقاييس: انخفضت المسافة الإقليدية (EC-distance) إلى المنحنى بمرور الوقت، وحافظ النظام على أخطاء منخفضة في الموضع والاتجاه بمجرد وصوله إلى المسار.
• الكفاءة الحسابية: بلغ متوسط حساب الحقل المتجه 8.9 مللي ثانية لكل تكرار على وحدة معالجة مركزية قياسية. ويشير المؤلفون إلى أن 99.5% من هذا الوقت استُهلك في حل مشكلة إيجاد أقرب نقطة على المنحنى، مما يشير إلى إمكانية تسريع العملية عبر التوازي (مثل استخدام وحدات معالجة الرسومات GPU).
• الملاحظات: لوحظت انحرافات طفيفة في الخطأ عندما يعمل الروبوت بالقرب من التكوينات المنفردة (singular configurations)، مما يتطلب تعديلات متكررة في الاتجاه، لكن النظام ظل مستقراً.

الأهمية والادعاءات

تدعي الورقة تقديم إطار عمل موحد يدمج تخطيط المسار، وتتبع المسار، والتحكم للأنظمة الروبوتية التي تعمل على مجموعات "لي". تكمن أهميتها الأساسية في:

• التحكم الجوهري: على عكس الطرق التي تسقط ضوابط من فضاءات ذات أبعاد أعلى، يولد هذا النهج مدخلات تحكم (التواءات) تكون دنيا وقابلة للتطبيق مباشرة على الأنظمة الهندسية.
• المرونة البارامترية: من خلال اعتماد تمثيلات المنحنيات البارامترية بدلاً من تقاطعات المستويات، يستوعب الإطار المنحنيات المعقدة بشكل طبيعي أكثر، وهو أمر بالغ الأهمية للمهام الروبوتية العملية.
• المتانة: توفر الضمانات النظرية للتقارب "شبه العالمي" (مع القدرة على الهروب من المجموعات الإشكالية عبر اضطرابات صغيرة) وفصل المهام المكانية والزمنية فوائد عملية للملاحة في البيئات المزدحمة.

يخلص المؤلفون إلى أنه بينما تعتبر دالة المسافة الحالية خاصة بمجموعات "لي" الأسية الخاصة، فإن الإطار يفتح آفاقاً للعمل المستقبلي على المنحنيات المتغيرة زمنياً، والأنظمة ناقصة التفعيل (underactuated systems)، ودوال المسافة الأكثر عمومية. كما تم توفير تنفيذ مفتوح المصدر لتسهيل المزيد من البحث والتطبيق.