SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation

تخيل أنك روبوت يعيش في منزل. مهمتك هي الاستماع إلى مالكك، الذي قد يقول: "أحضر لي الكوب الأحمر"، أو "ابحث عن القطة". في عالم الروبوتات، يسمى هذا الملاحة بالأجسام (Object Navigation). لفترة طويلة، كانت معظم الروبوتات تشبه السياح الذين يصلون إلى مدينة جديدة دون خريطة؛ ففي كل مرة يتلقون فيها طلباً، يتعين عليهم البدء من الصفر، يتجولون بعشوائية، يصطدمون بالجدران، ويأملون في العثٌور على الشيء الصحيح بمحض الصدفة. إنهم يعاملون كل رحلة كأنها مغامرة جديدة تماماً، حتى لو كانوا في نفس المطبخ منذ أشهر. هذا الأمر غير فعال وغير موثوق.

ومع ذلك، فإن الروبوتات الذكية يجب أن تكون أكثر شبهاً بالسكان المحليين المتمرسين. إذا كنت تعيش في حي ما، فأنت لا تحتاج إلى إعادة تعلم مكان المخبز كل صباح؛ بل تتذكره فحسب. التحدي الكبير الذي يواجه العلماء هو معرفة كيفية تعليم الروبوت بناء هذا النوع من "المعرفة المحلية" بشكل دائم. الفكرة الجوهرية هي الفصل بين عملية استكشاف مكان ما لمرة واحدة، وعملية الملاحة فيه مرات عديدة. الهدف هو إنشاء ذاكرة لا تقول فقط "رأيت كرسياً"، بل تقول "أعرف بالضبط أين يمكنني التوقف بأمان بجانب ذلك الكرسي لأتمكن من تقديمه لك". يتناول هذا البحث المشكلة المعقدة المتمثلة في تحويل جولة استكشافية لمرة واحدة في مبنى إلى خريطة موثوقة وقابلة لإعادة الاستخدام يمكن للروبوت الوثوق بها لمئات الطلبات المستقبلية.

---

المشكلة: الرؤية ليست هي التوقف

تخيل أنك تقف في ممر، وتنظر عبر فتحة باب. لمحت مزهرية جميلة على طاولة في الغرفة المجاورة. كاميرا الروبوت تراها بوضوح، ولكن إذا حاولت قيادة الروبوت مباشرة نحو رؤية الكاميرا تلك، فستصطدم بإطار الباب أو الجدار. يمتلك الروبوت "رؤية" للجسم، لكنه يفتقر إلى "الوجهة". هو يعرف ما هو الشيء، لكنه لا يعرف أين يتوقف ليتفاعل معه بأمان.

هذا هو جوهر المشكلة التي يعمل المؤلفون (داوجي بينج، بينغتاو وانغ، وجون ما) على حلها. لقد لاحظوا أن معظم الروبوتات تتعامل مع كل مهمة كحدث لمرة واحدة: استكشاف، بحث، توقف، ثم نسيان كل شيء. لكن روبوتات الخدمة الحقيقية (مثل تلك الموجودة في المستشفيات أو المكاتب) تحتاج للعمل لشهور في نفس المبنى. لا ينبغي لها أن تعيد مسح المنزل بالكامل في كل مرة يطلب فيها شخص ما "أريكة". المشكلة هي أن التعرف على جسم ما لا يخبر الروبوت تلقائياً أين توجد نقطة آمنة يمكن الوصول إليها. خطأ واحد صغير في الخريطة، أو تخمين خاطئ حول مكان التوقف، وقد تفشل المهمة بأكملها.

الحل: SSTG-Nav (خريطة الروبوت "المحلية الفائقة")

يقدم الفريق نظاماً يسمى SSTG-Nav. فكر في الأمر كأنك تمنح الروبوت "دليلاً محلياً فائقاً". بدلاً من مجرد التقاط صورة للمنزل، يقوم الروبوت برحلة مسح واحدة دقيقة. خلال هذه الرحلة، لا يبحث فقط عن الأجسام، بل يحدد أيضاً "المناطق الآمنة" حولها.

إليك كيف يحدث السحر، خطوة بخطوة:

1. المسح لمرة واحدة: يقود الروبوت حول المبنى مرة واحدة، دون أن يُطلب منه البحث عن شيء محدد. يلتقط صوراً من زوايا متعددة.
2. من "أنا أراه" إلى "يمكنني الوصول إليه": عندما يرصد ذكاء الروبوت الاصطناعي (نموذج لغوي بصري) جسماً ما، مثل التلفاز، فإن النظام لا يكتفي بتحديد موقع التلفاز فحسب، بل يحسب نقطة "وقوف" (standoff point). تخيل أن التلفاز موجود على حائط؛ يقوم الروبوت بحساب نقطة تبعد 0.8 متر (حوالي قدمين ونصف) عن التلفاز، على الأرض، حيث يمكن لشخص أن يمشي ويقف فعلياً دون الاصطدام بأي شيء. إنه يحول الرؤية البصرية إلى وجهة مادية قابلة للقيادة.
3. الثقة "المستمدة من المصادر المتعددة": أحياناً، يرى الروبوت كرسياً من زاوية معينة ويظن: "هذا كرسي!"، لكنه ليس متأكداً. وفي جزء آخر من الخريطة، يرى نفس الكرسي من زاوية مختلفة. يعمل SSTG-Nav كالمحقق، حيث يجمع بين هذه الرؤى المختلفة. إذا اتفقت زوايا متعددة، يصبح الروبوت واثقاً جداً. أما إذا رأته زاوية واحدة فقط، فيحتفظ به كخطة احتياطية "محتملة".
4. شبكة الأمان: إذا حاول الروبوت الذهاب إلى خياره الأول وأدرك: "أوه لا، لا يمكنني التوقف هناك بأمان"، فإنه لا يستسلم ويبدأ من جديد. بل ينتقل فوراً إلى خياره الثاني الأفضل، ثم الثالث. الأمر يشبه امتلاك قائمة بمواقف السيارات الاحتياطية بدلاً من موقف واحد فقط.

النتائج: من "ربما" إلى "دائماً تقريباً"

اختبر الفريق هذا النظام في محاكاة رقمية ضخمة لـ 36 مشهداً مختلفاً لمنازل ثلاثية الأبعاد، من خلال تشغيل 1,000 مهمة ملاحة مختلفة. وقارنوا طريقتهم بالروبوتات التي تضطر للاستكشاف من الصفر في كل مرة.

كانت النتائج مذهلة. عندما استخدم الروبوت نهجاً قياسياً (مجرد النظر والتخمين)، نجح بنسبة 83.5% تقريباً. ولكن عندما أضافوا "التأسيس المتري" (حساب نقطة التوقف الآمنة على بعد 0.8 متر)، قفزت نسبة النجاح إلى 92.0%.

ثم، أضافوا جزء "الدمج" (الجمع بين الروايات المتعددة للتأكد)، مما دفع نسبة النجاح إلى 92.6%. وأخيراً، باستخدام نظام "التعافي" (التبديل إلى المواقع الاحتياطية إذا فشل الأول)، حقق الروبوت نسبة نجاح بلغت 97.5% عند السماح له بثلاث محاولات.

لوضع ذلك في منظوره، فإن أفضل الطرق السابقة للروبوتات التي تضطر للاستكشاف من الصفر في كل مرة لم تصل إلا إلى حوالي 84.2%. لم يكتفِ SSTG-Nav بالتفوق عليهم فحسب، بل أظهر أنه إذا بنيت خريطة جيدة لمرة واحدة، يمكنك الملاحة فيها بشكل مثالي تقريباً في كل مرة بعد ذلك.

لماذا يهم هذا؟

يجادل المؤلفون بأن هذا يغير قواعد اللعبة للروبوتات طويلة الأمد. فبدلاً من إضاعة الطاقة في إعادة تعلم مخطط المنزل كل صباح، يمكن للروبوت القيام بالعمل الشاق لمرة واحدة، وبناء "طبوغرافيا مترية-دلالية" (وهي طريقة معقدة لقول خريطة تعرف شكل الغرفة ومعنى الأجسام في آن واحد)، ومن ثم خدمة العائلة لشهور.

لقد قاموا حتى ببناء نسخة واقعية من هذا باستخدام روبوت مادي يعمل بنظام ROS 2 (وهو نظام برمجي قياسي للروبوتات). نجح الروبوت في تنفيذ أمر بلغة طبيعية مثل "ابحث عن اللعبة"، حيث بحث في خريطته المعدة مسبقاً، وتوجه إلى المكان الصحيح، وتوقف بأمان.

العقبة (والمستقبل)

يشير البحث بحذر شديد إلى أن هذا يعمل بشكل أفضل في البيئات المستقرة والثابتة. فإذا قام شخص ما بتحريك الأثاث أو إذا تغيرت الجدر、 فقد ترتبك خريطة الروبوت "المحلية الفائقة". كما يعتمد النظام على امتلاك الروبوت لكاميرا جيدة ومسار واضح للسير. ويعترف المؤلفون بأنه بينما تعد طريقتهم خطوة كبيرة للأمام نحو الملاحة الموثوقة في البيئات الثابتة، إلا أنها ليست عصا سحرية للعوحات الفوضوية والمتغيرة بعد.

لكن بالنسبة لمستقبل روبوتات الخدمة في منازلنا ومكاتبنا، فإن هذا أمر بالغ الأهمية. فهو يشير إلى أن المفتاح لجعل الروبوتات مفيدة حقاً ليس فقط في جعلها أكثر ذكاءً في رؤية الأشياء، بل في جعلها أفضل في تذكر أين يمكنها الذهاب بأمان. إنه يحول الروبوت من سائح مرتبك إلى دليل محلي واثق.