💻 computer science

An Open-Source LiDAR and Monocular Off-Road Autonomous Navigation Stack

تقدم هذه الورقة حزمة ملاحة للطرق الوعرة مفتوحة المصدر تحقق متانة تضاهي تقنية ليدار (LiDAR) باستخدام إعداد أحادي العين خفيف الوزن يجمع بين نماذج التأسيس صفرية القدرة (zero-shot foundation models) وإعادة القياس المتري القائم على تقنية "سـلام" (SLAM) المتفرقة، والتنعيم الزمني، وقناع الحواف للكشف الموثوق عن العوائق في التضاريس غير المهيكلة.

المؤلفون الأصليون: Rémi Marsal, Quentin Picard, Adrien Poiré, Sébastien Kerbourc'h, Thibault Toralba, Clément Yver, Alexandre Chapoutot, David Filliat

نُشر 2026-04-07

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Rémi Marsal, Quentin Picard, Adrien Poiré, Sébastien Kerbourc'h, Thibault Toralba, Clément Yver, Alexandre Chapoutot, David Filliat

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 تحاول تعليم كلب آلي كيف يركض عبر غابة كثيفة وفوضوية. للقيام بذلك بأمان، يحتاج الروبوت إلى "رؤية" العالم ثلاثي الأبعاد حتى لا يتعثر في الجذور، أو يصطدم بالصخور، أو يعلق في العشب الطويل.

تقليديًا، تستخدم الروبوتات تقنية LiDAR. فكر في "ليدار" كأنه كشاف عالي التقنية وباهظ الثمن يطلق أشعة ليزر غير مرئية لرسم خريطة للغابة. إنه دقيق للغاية، لكنه ثقيل الوزن، ويستهلك الكثير من طاقة البطارية، ويكلف بقدر سعر سيارة فاخرة.

تقدم هذه الورقة البحثية طريقة ذكية جديدة للقيام بنفس المهمة باستخدام كاميرا واحدة فقط (مثل تلك الموجودة في هاتفك الذكي) وبعض الذكاء الاصطناعي المتطور جدًا. إليك قصة كيف فعلوا ذلك، مشروحة ببساطة:

1. المشكلة: "لعبة التخمين"

إذا عرضت على روبوت مجرد صورة وسألته: "كم يبعد هذا الشجر عنك؟"، فسيتعين على الروبوت أن يخمن. الذكاء الاصطناعي الحديث (المسمى "النماذج التأسيسية") بارع في تخمين العمق من صورة واحدة، لكنه ليس مثاليًا.

المشكلة: أحيانًا يرتبك الذكاء الاصطناعي. قد يظن أن الظل هو حفرة، أو أن شجيرة ضبابية هي جدار ضخم. إذا صدق الروبوت هذه "العقبات الشبحية"، فإنه سيتوقف عن الحركة أو يصطدم.
التكلفة: الذكاء الاصطناعي أيضًا "جائع" لقوة المعالجة الحاسوبية، مما يبطئ حركة الروبوت.

2. الحل: ترقية "النظارات الذكية"

قام المؤلفون ببناء نظام ملاحة متكامل (مجموعة برمجية) يمكنه التبديل بين الليزر المكلف (LiDAR) والكاميرا الرخيصة. وعند استخدام الكاميرا، أضافوا "شبكتي أمان" خاصتين لإصلاح لعبة التخمين الخاصة بالذكاء الاصطناعي:

"ماسح الضباب" (قناع الحواف - Edge Masking):
تخيل أنك تنظر إلى لوحة لشجرة. الحواف غالبًا ما تكون ضبابية. قد يظن الذكاء الاصطناعي أن هذا الضباب هو جدار صلب. لقد علم الباحثون النظام تجاهل الحواف الضبابية للأجسام. الأمر يشبه قولك للروبوت: "لا تقلق بشأن الإطار الضبابي؛ فقط انظر إلى المركز الواضح للجسم". هذا يمنع الروبوت من رؤية "جدران شبحية" لا وجود لها.
"اليد الثابتة" (التنعيم الزمني - Temporal Smoothing):
يستخدم الروبوت نظامًا منفصلاً (SLAM) لمعرفة موقعه في العالم. أحيانًا، يصبح هذا النظام مهتزًا قليًا، مثل يد ترتجف وهي تمسك بكاميرا. إذا استجاب الروبوت لكل هزة صغيرة، فسوف يصاب بالذعر. أضاف الباحثون مرشح "تنعيم" يقوم بمتوسط هذه الهزات، ليخبر الروبوت: "خذ نفسًا، ولا تبالغ في رد الفعل تجاه تلك التمايلة الواحدة".

3. الخريطة: من 3D إلى رؤية "من الأعلى لأسفل"

بمجرد أن يمتلك الروبوت "سحابة نقاط" ثلاثية الأبعاد (سحابة رقمية من النقاط تمثل العالم)، فإنه يحتاج إلى تخطيط مسار.

خدعة القماش: أرضية الغابة ليست مسطحة؛ فهي تحتوي على نتوءات وتلال. لفصل الأرض عن العقبات (مثل الصخور)، يستخدم النظام "مرشح محاكاة القماش". تخيل إلقاء قطعة قماش صلبة فوق النقاط ثلاثية الأبعاد. القماش سينساب فوق الأرض ولكنه سيعلق فوق الصخور. المساحة بين القماش والصخور هي حيث توجد العقبات. هذا ينشئ خريطة نظيفة لما يمكن السير عليه وما لا يمكن ذلك.

4. الاختبار: الركض في الغابة

اختبروا هذا النظام في مكانين:

لعبة فيديو واقعية للغاية: بنوا ثلاثة مستويات من الصعوبة (سهل، متوسط، صعب) في بيئة محاكاة.
العالم الحقيقي: وضعوا النظام على روبوت حقيقي (مركبة ذات عجلات) وقادوه عبر تضاريس وعرة حقيقية.

النتائج:

الكاميرا مقابل الليزر: في معظم المواقف، كان إعداد الكاميرا فقط يعمل بشكل جيد مثل نظام الليزر المكلف. لقد نجح في التنقل عبر الأشجار والصخور.
نقطة الضعف: واجه النظام صعوبة مع العشب الطويل والمتمايل. نظرًا لأن العشب ليس له حواف صلبة، لم يستطع "ماسح الضباب" التمييز بين "العشب القابل للمشي" و"العقبة التي تعيق الحركة". تعامل الروبوت مع العشب كأنه جدار وتوقف.
السرعة: كان نظام الكاميرا أبطأ قليلاً من نظام الليزر لأن الذكاء الاصطناعي كان عليه العمل بجهد أكبر لمعالجة الصور.

الخلاصة الكبرى

تثبت هذه الورقة البحثية أنك لست بحاجة إلى ماسح ليزر بقيمة 20,000 دولار لبناء روبوت يمكنه التنقل في التضاريس الوعرة. باستخدام كاميرا عادية وبعض الحيل البرمجية الذكية (ماسح الضباب و اليد الثابتة)، يمكنك بناء روبوت يكاد يكون بنفس الكفاءة، وبسعر أرخص بكثير، ويستهلك بطارية أقل.

لقهّم أيضاً جعلوا جميع أكوادهم وبيئات اختبار "ألعاب الفيديو" الخاصة بهم مجانية للجميع لاستخدامها، حتى يتمكن العلماء الآخرون من البناء على عملهم. إنه يشبه منح مجتمع الروبوتات بأكمله مخططًا مفتوح المصدر ومجانيًا لمستكشف ذكي في المناطق الوعرة.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "مكدس ملاحة ذاتية للطرق الوعرة يعتمد على مستشعر ليدار (LiDAR) وكاميرا أحادية العين مفتوح المصدر."

1. بيان المشكلة

تتطلب الملاحة الذاتية في الطرق الوعرة إدراكاً ثلاثي الأبعاد قوياً للكشف عن العوائق في التضاريس غير المهيكلة والمتحدية. وبينما يعد "الليدار" (LiDAR) المعيار القياسي للدقة العالية، إلا أنه يعاني من التكلفة المرتف-عة، واستهلاك الطاقة العالي (حوالي 20 واط مقابل 2 واط للكاميرات)، ومشكلات في القدرة على الكشف. توفر الرؤية المجسمة (Stereo vision) بديلاً أرخص، لكنها تعاني في المناطق ذات الأنسجة المنخفضة، والشفافية، والوهج، ونطاق العمق المحدود.

تظهر طرق تقدير العمق أحادية العين (Monocular depth estimation) القائمة على النماذج التأسيسية (التعلم الصفري - zero-shot learning) واعدة، لكنها تواجه عقبات كبيرة في الملاحة الخارجية:

استعادة العمق المتري (Metric Depth Recovery): عادة ما تخرج النماذج التأسيسية عمقاً نسبياً (normalized) وليس عمقاً مترياً.
الهلوسة (Hallucinations): يمكن أن تؤدي الحدود الضبابية للأجسام في خرائط العمق إلى خلق "عوائق وهمية" تعيق حركة الروبوت.
عدم الاستقرار الزمني (Temporal Instability): يمكن لمعاملات القياس المستمدة من نظام SLAM أن تتذبذب، مما يسبب ارتعاشاً في السحابة النقطية.
نقص التكامل: هناك ندرة في مكدسات الملاحة الكاملة ومفتوحة المصدر التي تدمج طرق الرؤية أحادية العين هذه للاستخدام في الطرق الوعرة دون الحاجة إلى إعادة تدريب مخصص للمهمة.

2. المنهجية

يقترح المؤلفون خط أنابيب ملاحة موحداً ومفتوح المصدر متوافقاً مع مدخلات الليدار (LiDAR) والكاميرا أحادية العين (Monocular Camera). تم بناء النظام على ROS Noetic ويتكون من ثلاث وحدات:

أ. وحدة الإدراك ثلاثي الأبعاد

مسار الليدار: يستقبل السحب النقطية من الليدار مباشرة.
مسار الكاميرا أحادية العين:
1. تقدير العمق الصفري (Zero-Shot Depth Estimation): يستخدم نموذج Depth Anything V2 لتوليد خريطة تباين (disparity map) معيرة من صورة كاميرا واحدة.
2. إعادة القياس المتري (Metric Rescaling): يجمع الخريطة المعيرة مع قياسات العمق المتري المتفرقة من نظام الرؤية والقصور الذاتي (VINS-Mono) لاستعادة العمق المتري.
3. قناع الحواف (Edge Masking - التكيف البعدي): لمنع "العوائق الوهمية" الناتجة عن حدود العمق الضبابية، يقوم مرشح Sobel باكتشاف الحواف في خريطة التباين. يتم حجب البكسلات ضمن نصف قطر 5 بكسل من هذه الحواف قبل عملية الإسقاط الخلفي ثلاثي الأبعاد.
4. التنعيم الزمني (Temporal Smoothing): للتخفيف من عدم استقرار نظام SLAM، يتم تنعيم معاملات القياس والإزاحة ( $\hat{s}_t$ ) باستخدام المتوسط المتحرك الأسي (EMA) بمعامل $\alpha = 0.8$ .

ب. تقسيم الأرض واكتشاف العوائق

مرشح محاكاة القماش (Cloth Simulation Filter - CSF): تتم معالجة السحابة النقطية الناتجة (من الليدار أو الكاميرا أحادية العين) باستخدام CSF لفصل نقاط الأرض عن العوائق. هذا أمر بالغ الأهمية للتضاريس غير المستوية في الطرق الوعرة.
خريطة الارتفاع (Elevation Mapping): يتم تحويل العوائق المفلترة إلى خريطة ارتفاع ثنائية الأبعاد (2.5D) مرتبطة بالروبوت. يحتفظ مخزن مؤقت للذاكرة بمواقع العوائق حتى بعد خروجها من مجال رؤية المستشعر لتحسين متانة التخطيط.
توليد خريطة التكلفة (Costmap Generation): يتم تحويل خريطة الارتفاع إلى خريطة تكلفة ثنائية باستخدام عتبة ارتفاع (30 سم في التجارب).

ج. تخطيط المسار

المخطط العالمي (Global Planner): يستخدم خوارزمية A* على خريطة التكلفة المنتفخة لتوليد مسار رفيع المستوى.
المخطط المحلي (Local Planner): يستخدم الأشرطة المرنة الموقوتة (Timed-Elastic-Bands - TEB) لتوليد أوامر السرعة، مما يسمح بتعديلات مرنة للمسار للتعامل مع أخطاء الإدراك والعوائق الديناميكية.
التحديد الموضعي (Localization): يتم عبر مرشح كالمان الموسع (EKF) الذي يدمج بيانات GNSS وIMU وتقديرات وضعية SLAM.

3. المساهمات الرئيسية

مكدس ملاحة مفتوح المصدر: خط أنابيب كامل وجاهز للاستخدام للملاحة التفاعلية في الطرق الوعرة يدعم كلاً من الليدار والرؤية أحادية العين دون الحاجة إلى تدريب إضافي أو ضبط دقيق لبيئات جديدة.
تكامل النماذج التأسيسية: دمج ناجح لتقدير العمق صفري المعرفة (Depth Anything V2) مع إعادة القياس القائم على SLAM للحصول على إدراك ثلاثي الأبعاد متري في البيئات غير المهيكلة.
تعزيزات المتانة: تقديم تقنيات معالجة بعدية محددة (قناع الحواف والتنعيم الزمني) لحل أنماط الفشل الشائعة للعمق أحادي العين في الملاحة (الهلوسة والارتعاش).
تقييم شامل: تقديم تقييم واسع النطاق في كل من المحاكاة الواقعية (Isaac Sim) والبيئات الحقيقية غير المهيكلة، مع إتاحة بيئات المحاكاة لضمان قابلية التكرار.

4. النتائج التجريبية

تم تقييم النظام على روبوت Barakuda (المجهز بـ Ouster LiDAR وكاميرا ZED2i) عبر ثلاثة مستويات صعوبة (سهل، متوسط، صعب) في كل من المحاكاة والواقع.

مقاييس الأداء: معدل النجاح (SR)، النجاح الموزون بطول المسار (SPL)، ونسبة المسافة (DR).
نتائج المحاكاة:
- حقق التكوين أحادي العين (Mono-VINS) نتائج تنافسية مقابل خط الأساس الخاص بالليدار.
- في سيناريو الهدف على بعد 20 مترًا، تفوق Mono-VINS على الليدار (93% SR مقابل ~67% لبارامترات الليدار الحقيقية)، ويرجع ذلك أساسًا إلى معاناة خط أساس الليدار من مشكلات ضبط CSF في ذلك السيناريو المحدد.
- عانى الإعداد أحادي العين في سيناريو الـ 30 مترًا الصعب (10% SR) بسبب العشب العالي، الذي يخلق مناطق ضبابية كبيرة في خريطة العمق لا يمكن لفلترة الحواف حلها بالكامل، مما يؤدي إلى اكتشاف عوائق خاطئة.
نتائج العالم الحقيقي:
- حقق التكوين أحادي العين معدل نجاح بنسبة 100% ونسبة مسافة 1.0 عبر جميع السيناريوهات، مطابِقًا خط أساس الليدار.
- مقايضة الكفاءة: سجل الإعداد أحادي العين SPL أقل بنسبة 22%، مما يعني أن الروبوت قطع مسافة أطول للوصول إلى الهدف. ويعزى ذلك إلى:
  - سلاسل المعالجة الأطول (تأخير تقدير العمق).
  - مجال الرؤية (FOV) المحدود ودقة العمق التي تجعل الروبوت ينعطف متأخرًا أو يتذبذب عند تجنب العوائق.
دراسة الاستئصال (Ablation Study):
- أدى تفعيل كل من قناع الحواف والتنعيم الزمني إلى تحسين متوسط SPL بهوامش كبيرة (على سبيل المثال، تحسن بنسبة 21% عن التكوينات بدون قناع الحواف)، مما يثبت ضرورتهما للملاحة القوية.
التردد الحسابي:
- يعمل تكوين الليدار بتردد 20 هرتز للإدراك.
- يعمل التكوين أحادي العين بتردد 10 هرتز بسبب العبء الحسابي للمعالج الرسومي (GPU) الناتج عن استنتاج Depth Anything V2، مما يقلل أيضًا من تردد رسم خرائط الارتفاع من 16 هرتز إلى 6 هرتز.

5. الأهمية والعمل المستقبلي

جدوى الملاحة أحادية العين: تثبت الورقة أن تقدير العمق أحادي العين القائم على النماذج التأسيسية هو بديل قابل للتطبيق، ومنخفض التكلفة، ومنخفض الطاقة لليدار في الملاحة في الطرق الوعرة، بشرما تم تطبيق تقنيات متانة محددة.
قابلية التكرار: من خلال جعل المكدس وبيئات المحاكاة مفتوحة المصدر، يقدم المؤلفون معيارًا موحدًا لأبحاث المستقبل في الاستقلالية في الطرق الوعرة.
القيود والتوجهات المستقبلية:
- العشب العالي: يتعامل النظام حاليًا مع العشب الطويل كعائق. يهدف العمل المستقبلي إلى دمج وحدات القابلية للاجتياز لتصنيف العشب كمسار صالح للعبور.
- العوائق السالبة: لا يتعامل المكدس الحالي بشكل جيد مع الحفر أو الثقوب (العوائق السالبة) بسبب نقص المعلومات البصرية.
- الانتقال إلى ROS2: يخطط المؤلفون لنقل المكدس من ROS1 إلى ROS2 لتحسين قابلية الصيانة على المدى الطويل.

في الختام، يسد هذا العمل الفجوة بين نماذج الرؤية الحاسوبية التأسيسية المتقدمة والملاحة الروبوتية العملية، حيث يقدم حلاً مرنًا لا يتطلب تدريبًا ويقلل بشكل كبير من تكاليف الأجهزة مع الحفاظ على أداء قوي في البيئات المعقدة للطرق الوعرة.