Geometry-Aware Surrogate for Real-Time Hydrodynamics Estimation of Autonomous Ground Vehicles in Amphibious Environments

ملخص تقني: بديل مدرك للهندسة لتقدير الهيدروديناميكا في الوقت الفعلي

بيان المشكلة
تتطلب المركبات الأرضية ذاتية القيادة (AGVs) التي تعمل في بيئات برمائية، مثل المياه الضحلة أو التضاريس المعرضة للفيضانات، نماذج ديناميكية تأخذ في الاعتبار القوى الهيدروديناميكية (السحب، الطفو، والكتلة المضافة) بدقة. تواجه أدوات المحاكاة والتخطيط الحالية معضلة: توفر حلول ديناميكا السوائل الحسابية (CFD) عالية الدقة دقة فيزيائية، ولكنها مكلفة حسابياً للاستخدام في الوقت الفعلي (غالباً ما تتطلب ساعات لمحاكاة ثوانٍ معدودة)، بينما تفتقر النماذج المبسطة (مثل معاملات السحب الثابتة أو الطفو البدائي) إلى الدقة اللازمة لالتقاط التفاعلات المعتمدة على الهندسة، مما يؤدي إلى فجوات كبيرة بين المحاكاة والواقع (sim-to-real). تفشل النهج المعتمدة على البيانات الحالية، والتي غالباً ما تعامل المركبة كجسم متجانس، في تحديد كيفية تغير الأحمال عبر أسطح هندسية محددة مع تغير عمق الغمر واتجاه التدفق.

المنهجية
يقترح المؤلفون بديل شبكة عصبية لكل سطح (per-surface neural network surrogate) تم تدريبه بالكامل على بيانات CFD عالية الدقة لتقدير القوى الهيدروديناميكية الموزعة مكانياً بمعدلات زمنية فورية.

• توليد البيانات: أُجريت عمليات محاكاة CFD عالية الدقة على منصتين مختلفتين هندسياً (Clearpath Husky A200 و Clearpath Warthog) باستخدام صياغة "حجم السائل" (VOF) مع استراتيجية الجسم الثابت والسائل المتحرك. تنوعت مساحة المعلمات لتشمل السرعة، زاوية التدفق، كثافة السائل، وعمق المياه.
• تمثيل الهندسة: تم تقسيم هندسة المركبة إلى رقع سطحية ذات معنى دلالي (مثل الأمام، الخلف، الجوانب، العجلات، والهيكل السفلي). تم حساب حقل المسافة الموقعة (SDF) مسبقاً من شبكة المركبة لحساب مقاييس الغمر بدقة (جزء الغمر ومتوسط العمق المعياري) لكل رقعة بناءً على مستوى الماء.
• بنية الشبكة العصبية: النموذج عبارة عن مدرك متعدد الطبقات (MLP) ذو أوزان مشتركة عبر جميع رقع الأسطح.
  • المدخلات: ميزات عالمية (السرعة، الكثافة، العمق، الأرقام غير البعدية مثل رقم فرود ورقم رينولدز) وميزات لكل سطح (النوع الدلالي، المركز، المتجه العمودي، المساحة، ومقاييس الغمر الديناميكية).
  • المخرجات: ثلاث مكونات للقوى الهيدروديناميكية ($F_x, F_y, F_z$) لكل رقعة سطح، مقسومة على كثافة السائل لتشجيع التعميم عبر السوائل المختلفة.
• دالة الخسارة: تجمع دالة الهدف في التدريب بين خسارة هجينة لكل سطح (MSE والخطأ النسبي)، وخسارة اتساق صافي القوة (لضمان مطابقة مجموع قوى الأسطح لإجمالي قوة CFD)، وعقوبة انتهاك الفيزياء (لمعاقبة القوى على الأسطح الجافة).
• التحقق من الصحة: تم التحقق من النموذج تجريبياً باستخدام مركبة Warthog كاملة الحجم في قناة مائية. وفرت بيانات التقاط الحركة مدخلات كينماتيكية (السرعة ومستوى الماء)، وتم اختبار تنبؤات النموذج مقابل قوانين القياس الهيدروديناميكية الراسخة بدلاً من قياسات القوة المباشرة (التي يصعب عزلها في مركبة تعمل بمحرك).

المساهمات الرئيسية

1. التفكيك لكل سطح: على عكس البدائل السابقة التي تتنبأ بمتجه قوة إجمالي واحد، يقوم هذا النموذج بحل القوى عند مستوى رقعة السطح الفردية. وهذا يسمما النموذج من التقاط كيفية مساهمة مناطق معينة من الجسم في صافي الحمل كدالة للعمق واتجاه التدفق.
2. التعميم عبر المنصات: تم تدريب النموذج على هندستين مختلفتين للمركبات وأظهر القدرة على التعميم عبر المقاييس والأشكال دون الحاجة لإعادة تدريب خاصة بكل مركبة، وذلك باستخدام الميزات الهندسية والفيزيائية المعيارية.
3. الاتساق الفيزيائي الناشئ: تم تدريب النموذج حصرياً على بيانات CFD دون ترميز صريح لقوانين القياس الفيزيائية. ومع ذلك، أظهر التحقق التجريبي أن النموذج استعاد طبيعياً العلاقات الهيدروديناميكية الأساسية (قياس السحب التربيعي وقياس الطفو الخطي مع العمق) والتي لم تكن جزءاً من خسارة التدريب.
4. الأداء في الوقت الفعلي: يحقق البديل أوقات استنتاج تقل عن 0.9 مللي ثانية لكل عينة على نواة وحدة معالجة مركزية واحدة، مما يجعله مناسباً للدمج في حلقات المحاكاة والتحكم في الوقت الفعلي.

النتائج

• دقة CFD: على بيانات CFD المحجوزة، حقق البديل خطأ متوسط مطلق متماثل (sMAPE) يبلغ حوالي 13% للقوة الطولية ($F_x$) و3-12% للقوة الرأسية ($F_z$) عبر كلا المنصتين.
• زمن الاستجابة (Latency): بلغ متوسط زمن الاستجلال 0.826 مللي ثانية (Husky) و0.833 مللي ثانية (Warthog) على معالج Intel i7-13700HX، مع زمن استجلة في المئين الـ 95 أقل من 0.90 مللي ثانية.
• التحقق التجريبي:
  • قياس السحب: اتبعت قوى السحب المتوقعة علاقة تربيعية مع السرعة ($R^2 \geq 0.97$) عبر مستويات غمر مختلفة.
  • قياس الطفو: أظهرت القوى الرأسية المتوقعة علاقة خطية بين تقاطعات الطفو وعمق الماء ($R^2 = 0.973$).
  • النقل من المحاكاة إلى الواقع (Sim-to-Real): نجح النموذج في الانتقال من المحاكاة إلى الظروف الواقعية، حيث أعاد إنتاج القوانين الفيزيائية دون برمجة صريحة، مما أكد قدرة البنية المدركة للهندسة على تعلم التفاعلات بين السائل والمنشأ.

الأهمية والادعاءات
يدعي البحث سد الفجوة بين الدقة الفيزيائية والسرعة الحسابية في محاكاة المركبات البرمائية. من خلال توفير تقدير للقوة محلل هندسياً بمعدلات تفاعلية، يتيح هذا الإطار دمج الهيدروديناميكا ذات الأساس الفيزيائي في خطوط أنابيب المحاكاة والتخطيط التي تعتمد حالياً على نماذج مبسطة للغاية. يؤكد المؤلفون أن قدرة النموذج على التعميم عبر هياكل مركبات مختلفة وإعادة إنتاج قوانين القياس الفيزيائية الناشئة (السحب والطفو) دون قيود صريحة، تثبت قدرة قوية على النقل من المحاكاة إلى الواقع. يوفر هذا النهج مساراً لتحسين موثوقية سلوك المركبات ذاتية القيادة في التضاريس المتأثرة بالسوائل مع تقليل الحاجة إلى الاختبارات الميدانية المكلفة وعمليات محاكاة CFD المتكررة. يُقدم هذا العمل كخطوة نحو التحكم والتخطيط في الوقت الفعلي والمتسق فيزيائياً، رغم إشارة المؤلفين إلى قيود تتعلق بافتراضات الحالة شبه المستقرة (نقص الديناميكيات المعتمدة على التاريخ) والتقريب للجسم الصلب في الهندسة.