Critical slowing down for predicting controller induced loss of control in quadrotors
تقدم هذه الورقة نموذجاً للتنبؤ يعتمد على التباطؤ الحرج ولا يتطلب معرفة مسبقة بالنموذج، والذي ينجح في التنبؤ بفقدان السيطرة الناجم عن وحدة التحكم في الطائرات رباعية المراوح قبل وقوعه بمدة تصل إلى 0.9 ثانية، متفوقاً بذلك على أساليب الشبكات العصبية الحالية، ومتعمماً عبر مختلف أنواع الطائرات، ووحدات التحكم، وسيناريوهات الطيران دون الحاجة إلى إعادة ضبط المعلمات.
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 تشاهد لاعب سيرك يمشي على حبل مشدود. طالما أنه ثابت، فإن أي تمايل بسيط يسهل إصلاحه؛ إذ يكفي أن يغير وزنه ليعود إلى المركز. ولكن مع اقترابه من حافة الحبل، يحدث شيء غريب. يصبح تعافيه أبطأ؛ فالدفعات الصغيرة التي كان يصححها فوراً في السابق، باتت الآن تستغرق وقتاً طويلاً ليستقر، ويصبح توازنه "لزجاً". في عالم الأنظمة المعقدة -مثل الأنظمة البيئية، أو الدماغ البشري، أو حتى الطائرات بدون طيار- تسمى هذه الظاهرة "التباطؤ الحرج" (Critical Slowing Down). إنه علامة تحذير عالمية تشير إلى أن النظام على وشك الانقلاب إلى حالة مختلفة تماماً، وغالباً ما تكون فوضوية.
الآن، تخيل طائرة بدون طيار (درون)، وهي روبوت طائر بأربع مراوح دوارة. هذه الآلات مذهلة، لكنها قد تفقد السيطرة أحياناً وتتحطم، غالباً بسبب ارتباك "العقل الحاسوبي" الذي يوجه طيرانها نتيجة التأخير أو الإشارات السيئة. لقد حاول العلماء التنبؤ بهذه التحطمات، لكن العديد من الطرق تتطلب أن تكون الطائرة قد تحطمت بالفعل آلاف المرات في محاكاة حاسوبية لكي "تتعلم" شكل التحطم. وهذه مشكلة، لأننا في الحياة الواقعية لا نريد تحطيم طائراتنا لمجرد تعليمها كيفية الطيران. السؤال الكبير هو: هل يمكننا رصد هذا "التمايل اللزج" قبل أن تسقط الطائرة فعلياً، دون الحاجة إلى تاريخ من حوادث التحطم السابقة لتعليمنا؟
يقدم هذا البحث طريقة مبتكرة للإجابة على هذا السؤال. فقد طور الباحثون، العاملون في جامعة دلفت للتكنولوجيا، نظام تنبؤ يسمى C-BeFore، والذي يعمل بمث de "كاشف تحطم" للطائرات بدون طيار. وبدلاً من الحاجة إلى قاعدة بيانات ضخمة من التحطمات السابقة للتعلم منها، يستخدم هذا النظام المبدأ العالمي لـ "التباطؤ الحرج". فكر في الأمر كطبيب يستمع إلى نبضات قلب مريض؛ الطبيب لا يحتاج لأن يكون قد رأى نوبة قلبية من قبل ليعرف أن القلب يعاني، بل يكفيه أن يستمع إلى ذلك الإيقاع المحدد الذي يتباطأ وينذر بقدوم الخطر. وبالمثل، يراقب نظام C-BeFore محركات الطائرة؛ فعندما تطير الطائرة بشكل طبيعي، تستجيب المحركات للأوامر بسرعة، ولكن مع اقتراب الطائرة من فقدان السيطرة، تبدأ المحركات في "التعثر" وتستعيد توازنها ببطء أكبر بعد التغيرات الطفيفة.
اختبر الفريق هذه الفكرة على بيانات طيران حقيقية لأربعة أنواع مختلفة من الطائرات بدون طيار، بما في ذلك بعضها كان يطير في الداخل والبعض الآخر في الخارج وسط الرياح. وقد درسوا 91 واقعة تحطم فعلية فقدت فيها الطائرات السيطرة بسبب عدم استقرار سلوك الحاسوب. كانت النتائج مبهرة: استطاع النظام التنبؤ بالتحطم قبل وقوعه بمدة تصل إلى 0.9 ثانية. وبالنسبة لطائرة تتحرك بسرعة، فإن هذه المدة تعتبر دهراً من وقت التحذير -وهي كافية لتدخل نظام السلامة وإنقاذ الموقف.
إن ما يجعل هذا النهج مميزاً حقاً هو أنه لم يكن بحاجة إلى "التدريب" على بيانات التحطم. فقد أظهر الباحثون أنه يمكنهم التنبؤ بتحطمات طائرة لم يروها من قبل، باستخدام إعداد تم ضبطه أصلاً لنوع مختلف من الطائرات. الأمر يشبه امتلاك كاشف دخان يعمل بشكل مثالي في المطبخ، أو المرآب، أو في حريق غابة، دون أن يحتاج أبداً لرؤية حريق في تلك الغرفة تحديداً. لقد نجح النظام في رصد حوادث "الطيران الجامح" (حيث ترتفع الطائرة للأعلى بشكل غير منضبط) وتحطمات ناتجة عن اضطراب الدوران، حتى عندما كانت الطائرات تمتلك محركات مختلفة، ومتحكمات مختلفة، وتطير في بيئات مختلفة.
كما يقارن هذا البحث بين طريقتهم وبين "المعيار الذهبي" الحالي في هذا المجال: الشبكات العصبية المتكررة (RNNs)، وهي نوع من الذكاء الاصطناعي الذي يحتاج عادةً إلى دراسة آلاف الأمثلة من التحطمات ليعمل بشكل جيد. لقد تفوق نظام C-BeFore على نماذج الذكاء الاصطناعي هذه في الدقة، والأهم من ذلك، أنه لم ينتج الكثير من الإنذارات الكاذبة (أي الصراخ بكلمة "تحطم!" بينما كانت الطائرة تقوم فقط بحركة بهلوانية رائعة). وبينما كانت نماذج الذكاء الاصطناعي جيدة في رصد التحطمات، إلا أنها كانت تفشل أحياناً في ملاحظة علامات التحذير المبكرة أو ترتبك بسبب الطيران الهجومي العادي. أما نظام C-BeFore، ومن خلال تركيزه على الفيزياء الأساسية لكيفية تباطؤ الأنظمة قبل انكسارها، فقد تمكن من التمييز بين الطيار الجريء والطيار المحتوم بالفشل بدقة أكبر بكثير.
باختصار، يشير هذا البحث إلى أننا لسنا بحاجة لانتظار وقوع الكارثة لمنعها. فمن خلال الانتباه إلى الإيقاعات الخفية والبطيئة للنظام مع اقترابه من نقطة التحول، يمكننا بناء شبكات أمان عامة، موثوقة، وجاهزة للعمل على أي طائرة بدون طيار، في أي مكان، دون الحاجة إلى مكتبة من الحوادث الماضية. إنها خطوة نحو جعل الروبوتات ذاتية القيادة أكثر أماناً عبر منحها القدرة على الشعور بعدم استقرارها قبل فوات الأوان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.