تخيل أنك تقود طائرة بدون طيار (درون) عبر متاهة عملاقة غير مرئية، ولكن بدلاً من عصا التحكم، لديك صوت في أذنك يعطيك تلميحات مثل: "ابحث عن صنبور الحريق الأحمر واهبط عليه". هذا هو عالم الملاحة عبر الرؤية واللغة (VLN)، وهو مجال يحاول فيه الكمبيوتر فهم ما يراه وما يسمعه ليتحرك في العالم الحقيقي. الأمر يشبه تعليم روبوت ليكون محققاً يمكنه قراءة الخريطة ورصد جسم معين في نفس الوقت. عادةً، تستخدم هذه الروبوتات "كاميرا" ترى كل شيء بنفس مستوى التفاصيل طوال الوقت. ولكن هنا تكمن المشكلة: عندما تكون بعيداً عن هدفك، تحتاج إلى رؤية الصورة الكبيرة — مخطط الشوارع، شكل المباني — لتعرف أين تذهب. ولكن بمجرد اقترابك من الهدف، تحتاج إلى التكبير لرؤية التفاصيل الدقيقة، مثل ملمس الطوب أو لون لافتة، لتهبط بأمان. معظم الروبوتات الحالية تحاول رؤية كل شيء بنفس "مستوى الزووم" طوال الوقت، وهو أمر يشبه محاولة قراءة لافتة شارع وأنت ترتدي نظارات ضبابية، أو محاولة رؤية المدينة بأكملها وأنت تنظر من خلال مجهر. هذا غير فعال ومربك.

وهنا يأتي دور فكرة جديدة تسمى FreqNav. أدرك الباحثون وراء هذا المشروع أن "رؤية" الطائرة بدون طيار لا تتعلق فقط بالبكسلات؛ بل تتعلق أيضاً بـ الترددات. فكر في الصورة كقطعة من الموسيقى. "الترددات المنخفضة" هي نغمات "الباص" العميقة التي تخبرك بالشكل العام والهيكل العام للأغنية (أو مخطط المدينة). أما "الترددات العالية" فهي النغمات الحادة والواضحة التي تعطي التفاصيل الدقيقة (مثل النمط المحدد للهدف). تقترح الورقة البحثية أن الطائرة بدون طيار الذكية يجب أن تعمل كمنسق موسيقى (DJ) يعرف متى يبدل المسارات. فعندما تكون الطائرة بعيدة، يجب أن تركز على "الباص" (الترددات المنخفضة) لفهم الخريطة. ومع اقترابها، يجب أن تنتقل إلى "التريبل" (الترددات العالية) لرصد نقطة الهبوط بدقة.

قام الفريق وراء هذه الورقة، بالعمل مع طائرات بدون طيار، ببناء نظام يقوم بهذا بالضبط. لقد أنشأوا "موجه رموز التردد" (Frequency Token Router)، وهو بمثابة شرطي مرور ذكي لرؤية الطائرة. فبدلاً من النظر إلى كل جزء من الصورة بنفس الكثافة، يقرر هذا الموجه ديناميكياً الأجزاء التي يجب أن ينتبه إليها بناءً على مدى بعد الطائرة عن الهدف. إذا كان الهدف غير مرئي وبعيداً، يحتفظ الموجه بالمعلومات "منخفضة التردد" (الصورة الكبيرة) ويتجاهل ضوضاء الخلفية المشتتة. وعندما تقترب الطائرة ويصبح الهدف مرئياً، يحول تركيزه فوراً إلى تفاصيل "التردد العالي"، متجاهلاً الصورة الكبيرة للتركيز على منطقة الهبوط. هذا ليس مجرد نظرية؛ فقد اختبروه في محاكاة واقعية تسمى TravelUAV، حيث كان على الطائرات بدون طيار التنقل لمسافات طويلة للعثور على أجسام محددة. كانت النتائج مبهرة: نظامهم الجديد، FreqNav، لم يكن أكثر دقة في العثور على الأهداف والهبوط عليها فحسب، بل كان أيضاً أسرع بثلاث مرات في اتخاذ القرارات. حتى أنهم نقلوه إلى العالم الحقيقي، حيث طاروا بطائرة حقيقية استخدمت هذا النظام بنجاح للتنقل والهبوط، مما أثبت أن خدعة "تبديل التردد" هذه تعمل خارج حدود الكمبيوتر.

قصة FreqNav: طائرة بدون طيار تعرف متى تقوم بالتقريب (Zoom)

إذاً، كيف يعمل هذا حقاً؟ تخيل أنك تلعب لعبة فيديو حيث يتعين عليك العثور على كنز مخفي. عندما تكون في بداية المستوى، تنظر إلى الخريطة بأكملها لتحدد الاتجاه الذي ستركض فيه. لا تحتاج لرؤية أوراق العشب الفردية بعد، أنت فقط بحاجة لمعرفة أين توجد الجبال والأنهار. ولكن في اللحظة التي تقترب فيها من صندوق الكنز، تتوقف عن النظر إلى الجبال وتحدق بتركيز شديد في الأرض لرؤية قفل الصندوق.

يقوم FreqNav بهذا للطائرات بدون طيار، ولكنه يفعل ذلك عن طريق تقسيم رؤية الطائرة إلى نوعين من المعلومات:

1. "الصورة الكبيرة" (التردد المنخفض): هذا هو المخطط العام. يخبر الطائرة: "أنت في مدينة، هناك مبانٍ على اليسار، والطريق مستقيم".
2. "التفاصيل الدقيقة" (التردد العالي): هذا هو الملمس المحلي. يخبر الطائرة: "ذلك الجسم الأحمر هو صنبور حريق، وعليك الهبوط على بُعد مترين بالضبط إلى يساره".

حاولت معظم أنظمة الطائرات القديمة النظر إلى كل من الصورة الكبيرة والتفاصيل الدقيقة في وقت واحد، باستخدام قدر ثابت من قوة الكمبيوتر. هذا يشبه محاولة قراءة كتاب بينما يصرخ شخص ما ببث إذاعي في أذنك؛ الضجيج الإضافي يجعل التركيز صعباً. يرى مؤلفو هذه الورقة أن نهج "المقاس الواحد للجميع" هو المشكلة. وجدوا أن الأساليب الحالية، التي تستخدم نفس الرموز البصرية (قطع من بيانات الصورة) في كل مرحلة من مراحل الطيران، ترتبك بسبب الفوضى غير ذات الصلة في الخلفية.

الحل: مفتاح ديناميكي
بنى الفريق FreqNav، وهو نظام خفيف الوزن يعمل كلوحة تحويل ذكية. إليك العملية خطوة بخطوة التي صمموها:

• موجه رموز التردد (The Frequency Token Router): هذا هو عقل العملية. يأخذ تغذية الكاميرا الخاصة بالطائرة ويقسمها إلى مكونات ترددية. هو يحتفظ دائماً بكمية ثابتة وصغيرة من البيانات "منخفضة التردد" ليتذكر مكانه في العالم. ولكن بالنسبة لبقية انتباهه، لديه "ميزانية" من الرموز التي يمكنه إنفاقها.

  • المرحلة المبكرة (البحث): عندما يكون الهدف بعيداً أو مخفياً، ينفق الموجه ميزانيته على الترددات المنخفضة إلى المتوسطة لفهم تخطيط المشهد.
  • المرحلة المتأخرة (الوصول): مع اقتراب الطائرة، يحول الموجه ميزانيته تلقائياً إلى رموز التردد العالي، مركزاً بكثافة على التفاصيل المحددة للهدف.
  • يحدث هذا بشكل ديناميكي. النظام لا يتكهن فحسب؛ بل يستخدم التعليمات اللغوية (مثل "ابحث عن السيارة الزرقاء") ليقرر أي بنك ترددات سيسحب منه.

• التأسيس المرتبط بالمرحلة (Phase-Dependent Grounding): بمجرد أن يختار الموجه الإشارات البصرية الصحيحة، يحتاج النظام للتأكد من أنها تعني شيئاً بالفعل. أضافوا "وحدة تأسيس" (Grounding Module) تعمل كمعلم. فهي تجبر الطائرة على توجيه "انتباهها" إلى نقطة محددة في المستقبل القريب (مثل 3 خطوات للأمام) وتتحقق مما إذا كانت البيانات البصرية تتطابق. هذا يضمن أن الطائرة لا تتخيل مساراً بل ترى مكاناً حقيقياً للذهاب إليه.

• الطيار السلس (Diffusion Transformer): أخيراً، تحتاج الطائرة للتحرك. بدلاً من الحركات المتشنجة خطوة بخطوة، استخدموا Diffusion Transformer (نوع من نماذج الذكاء الاصطناعي المستخدمة عادةً لإنشاء صور سلسة) لإنشاء مسارات طيران سلسة. هو يتنبأ بمسار مستمر، مما يضمن هبوط الطائرة بلطف بدلاً من الاصطدام.

ماذا تقول الأرقام

اختبر الباحثون ذلك في اختبار TravelUAV، وهو معيار قياسي لملاحة الطائرات بدون طيار يتضمن آلاف الرحلات المحاكية في بيئات مختلفة (حضرية، ثلجية، مروج) مع أهداف تبعد ما بين 50 إلى 400 متر.

• معدل النجاح: في "السيناريوهات المرئية" (حيث رأت الطائرة خرائط مشابهة من قبل)، نجح FreqNav بنسبة 51.55% من المرات. وهذا تفوق على أفضل نموذج سابق (AeroVLA)، الذي نجح بنسبة 47.96% فقط.
• الكفاءة: ربما يكون الأمر الأكثر إثارة للإعجاب هو أن FreqNav حقق ذلك باستخدام عدد أقل بكثير من الرموز البصرية. لقد ضغط الرمونات القياسية من 128 رمزاً إلى 50 رمزاً موجهًا فقط. ولأن معالجته كانت لبيانات أقل، فقد كان أسرع بـ 3 مرات في اتخاذ القرارات.
• اختبار العالم الحقيقي: لم يتوقفوا عند المحاكاة فحسب. بل قاموا بنشر النظام على طائرة حقيقية، وهي Feisi J310. كانت الطائرة تتواصل مع خادم أرضي، الذي يقوم بتشغيل الذكاء الاصطناعي. استطاع الخادم معالجة خطة طيران جديدة في غضون 0.17 ثانية فقط لكل خطوة. هذا سريع بما يكفي لمواكبة سرعة طيران الطائرة عند 2 متر في الثانية، مما يثبت أن النظام عملي للاستخدام الواقعي.

لماذا هذا مهم

تجادل الورقة صراحة ضد فكرة أننا بحاجة لاستخدام نفس مقدار التفاصيل البصرية لكل جزء من الرحلة. لقد أظهروا أن محاولة الاحتفاظ بتفاصيل عالية الدقة طوال الرحلة تضر بالأداء فعلياً لأنها تقدم "ضجيجاً" وتشتت انتباه الذكاء الاصطناعي. ومن خلال إثبات أن التحول الترددي المرحلي يعمل بشكل أفضل، فإنهم يقترحون أن مستقبل الطائرات بدون طيار ذاتية القيادة لا يتعلق ببناء أجهزة كمبيوتر أكبر وأقوى، بل ببناء أنظمة أذكى تعرف ما الذي يجب أن تنظر إليه ومتى.

في النهاية، يشير FreqNav إلى أن سر الطيار الجيد للطائرة بدون طيار ليس فقط في رؤية كل شيء بوضوح؛ بل في معرفة متى تنظر إلى الخريطة ومتى تنظر إلى الهدف. ومن خلال القيام بذلك، يجعل الطائرات بدون طيار أسرع، وأذكى، وجاهزة للطيران في العالم الحقيقي.