Synthetic LiDAR Data Generation and Deterministic Downsampling for Point Cloud Classification on the Edge

تخيل أنك تحاول تعليم روبوت كيف يرى العالم، ولكن بدلاً من إعطائه عيوناً ترى الصور، تعطي له مستشعراً يرى العالم كسحابة ضخمة وعائمة من ذرات الغبار غير المرئية. هكذا يعمل نظام "ليدار" (LiDAR - كشف الضوء وتحديد المدى)؛ فهو يطلق أشعة ليزر ويقيس المدة التي تستغرقها للارتداد، مما ينشئ خريطة ثلاثية الأبعاد مكونة من ملايين النقاط الفردية. وبينما يعد هذا أمراً مذهلاً للسيارات ذاتية القيادة والروبوتات، إلا أنه يسبب صداعاً هائلاً للحواسيب التي تحاول قراءته. هذه "السحب النقطية" (point clouds) فوضوية، وغير منظمة، وضخمة للغاية. إن محاولة فرز ملايين النقاط لمعرفة ما إذا كنت تنظر إلى كرسي أو سيارة تشبه محاولة العثور على حبة رمل معينة في شاطئ عبر التقاط كل حبة رمل واحدة تلو الأخرى.

هذا الأمر صعب بشكل خاص على الحواسيب الصغيرة التي تعمل بالبطاريات، مثل تلك الموجودة داخل مكنسة روبوتية أو طائرة بدون طيار. هذه "أجهزة الحافة" (edge devices) تشبه الهامستر الصغير والفعال الذي يركض على عجلة؛ فهي لا تملك العضلات الخارقة لأجهزة الكمبيوتر المكتبية الضخمة لمعالجة كل تلك البيانات. وإذا قضى الروبوت وقتاً طويلاً جداً في فرز النقاط، فسيتحرك ببطء شديد مما يجعله غير آمن. لقد حاول العلماء معرفة كيفية جعل هذه الحواسيب الصغيرة ذكية بما يكفي لفهم الفضاء ثلاثي الأبعاد في الوقت الفعلي دون أن تؤدي إلى صهر دوائرها الكهربائية. السؤال الكبير هو: كيف نعلم حاسوباً صغيراً التعرف على سيارة أو شخص باستخدام بضع مئات من النقاط فقط، مع تجاهل الملايين من النقاط غير المفيدة، والقيام بذلك بسرعة كافية لمواكبة العالم الحقيقي؟

قصة الورقة البحثية: تعليم الحواسيب الصغيرة كيف ترى

تتحدث هذه الورقة عن خدعة ذكية تتكون من خطوتين لمساعدة الحواسيب الصغيرة ومنخفضة الطاقة (تحديداً Raspberry Pi 5، وهو لوحة حاسوبية صغيرة وبأسعار معقولة) على فهم السحب النقطية ثلاثية الأبعاد دون الشعور بالإرهاق. أدرك الباحثان، نيكلاس ماير وستيفان رايتمان، أن معظم الروبوتات يتم تدريبها على نماذج رقمية "مثالية" لا تشبه الواقع الفوضوي للعالم الحقيقي بتاتاً. كما وجدا أن الطريقة التقليدية لتنظيف البيانات كانت بطيئة جداً بالنسبة لهذه الحواسيب الصغيرة. لذا، قاما ببناء سير عمل جديد يعالج كلا المشكلتين.

مشكلة "فجوة الواقع"
أولاً، عالج الفريق مسألة بيانات التدريب "المثالية". تخيل أنك تعلم طفلاً التعرف على كلب من خلال إظهار رسومات كرتونية مثالية للكلاب بدون ملمس الفراء أو الظلال. إذا أظهرت له بعد ذلك كلباً حقيقياً أشعث، فقد لا يتعرف عليه. هذا ما حدث مع الروبوتات. استخدم الباحثون أداة تسمى BLAINDER لتحويل النماذج الحاسوبية ثلاثية الأبعاد النظيفة والمثالية إلى بيانات اصطناعية "فوضوية". لقد أضافوا ضجيجاً رقمياً وحاكوا كيفية رؤية ماسح ليزر حقيقي للعالم، بما في ذلك حقيقة أن الأشياء تبدو مختلفة اعتماداً على الزاوية.

اكتشفوا شيئاً مفاجئاً: إذا دربت روبوتاً على النماذج النظيفة والمثالية، فإنه سيفشل فشلاً ذريعاً عندما يرى البيانات الفوضوية والمشوشة (انخفضت دقته إلى ما يقرب من التخمين العشوائي، بين 2% إلى 11%). ومع ذلك، إذا دربته على البيانات الفوضوية والمشوشة، فإنه يصبح في الواقع أفضل في فهم البيانات النظيفة أيضاً. الأمر يشبه إذا مارست لعب لعبة فيديو باستخدام وحدة تحكم معطلة؛ عندما تحصل أخيراً على وحدة تحكم مثالية، ستصبح محترفاً لأنك تعلمت التكيف مع الفوضى. أثبت هذا أنه لبناء روبوت يعمل في العالم الحقيقي، يجب عليك تدريبه على بيانات تشبه العالم الحقيقي، وليس نسخة كرتونية مثالية منه.

مشكلة "مطب السرعة"
بعد ذلك، نظروا في كيفية جعل الحاسوب سريعاً بما يكفي. عادةً، قبل أن يتمكن الروبوت من التعرف على جسم ما، يجب عليه فرز ملايين النقاط للعثور على أهمها. الطريقة القياسية للقيام بذلك هي طريقة تسمى "أبعد نقطة أخذ عينات" (Farthest Point Sampling - FPS). فكر في FPS كأمين مكتبة دقيق ولكنه بطيء يمشي عبر المكتبة، ويقيس المسافة بين كل كتاب، ويختار الأبعد عن بعضهم البعض لضمان تغطية الغرفة بأكملها. إنها طريقة دقيقة، لكنها تستغرق وقتاً طويلاً. في حاسوب صغير، تستغرق عملية الفرز هذه وقتاً طويلاً لدرجة أن الروبوت لا يستطيع الاستجابة في الوقت الفعلي.

جرب الباحثون نهجاً مختلفاً باستخدام "طبقة النقاط الحرجة" (Critical Point Layer - CPL). بدلاً من قياس المسافات مثل أمين المكتبة البطيء، يعمل الـ CPL كمرشح (فلتر) ذكي وسريع للغاية. إنه مرشح مدرب مسبقاً يعرف بالضبط أي النقاط هي "نجوم العرض" — مثل أطراف الأجنحة، أو زوايا الطاولة، أو أنف الطائرة — وأي النقاط هي مجرد ضجيج خلفية. هو لا يقيس المسافات؛ بل ينظر إلى الشكل ويقول فوراً: "احتفظ بهذه الـ 40 إلى 60 نقطة، وارمِ الباقي".

النتائج
عندما اختبروا هذا النظام الجديد على Raspberry Pi 5، كانت النتائج مبهرة.

• السرعة: كانت الطريقة القديمة (FPS) تمثل عنق زجاجة، حيث استغرقت ما يصل إلى 23 ميلي ثانية لفرز 512 نقطة فقط. كان مرشح CPL الجديد أسرع بثلاث مرات تقريباً، حيث استغرق حوالي 2 ميلي ثانية لضغط سحابة مكونة من 1,024 نقطة إلى مجموعة صغيرة وجوهرية مكونة من 40 إلى 60 نقطة.
• الدقة: حتى مع بقاء عدد قليل جداً من النقاط، استطاع الروبوت تحديد الأشياء بدقة عالية (88.36%).
• الأداء في الوقت الفعلي: استطاع النظام بأكمله معالجة حوالي 50 إطاراً في الثانية. وهذا سريع بما يكفي ليقود الروبوت أو يتنقل في الوقت الفعلي دون تأخير.

ما لم يفعله البحث
توضح الورقة البحثية بحذر ما لا يفعله هذا الأسلوب. فهي لا تدعي أنه مثالي لكل المواقف. على سبيل المثال، بينما يعد مرشح CPL رائعاً للتصنيف (التمييز بين كرسي وطاولة)، فإنه لا يختار بالضرورة نفس النقاط التي قد يراها الإنسان مهمة. إذا سألت بشراً عن "أهم" جزء في طائرة، فقد يشير إلى الأجنحة. مرشح CPL يختار الأجنحة أيضاً، لكنه قد يختارها بطريقة تبدو غريبة للعين البشرية، حيث يركز بحت على ما يساعد الحاسوب على تخمين الإجابة الصحيحة، وليس على ما يبدو جميلاً. أيضاً، تشير الورقة إلى أنه بالنسبة للمهام الأكبر (مثل التعامل مع ملايين النقاط من ماسح ضوئي خارجي ضخم)، فقد يحتاج هذا الأسلوب إلى الانتقال إلى أجهزة متخصصة مثل FPGAs، ولكن في الوقت الحالي، يعمل بشكل رائع على Raspberry Pi.

الخلاصة
باختصار، تظهر هذه الورقة البحثية أنه يمكننا جعل الحواسيب الصغيرة والرخيصة ترى العالم ثلاثي الأبعاد في الوقت الفعلي من خلال القيام بشيئين: تدريبها على بيانات فوضوية وواقعية بدلاً من الرسوم الكرتونية المثالية، واستخدام مرشح ذكي مدرب مسبقاً للتخلص من 95% من البيانات قبل أن يحاول الحاسوب التفكير فيها. الأمر يشبه تعليم طالب التعرف على وجه من خلال إظهار آلاف الصور الضبابية والمشوشة له، ثم إعطائه نظارات سحرية تسلط الضوء فوراً على العينين والفم فقط، مما يسم يسمح له باتخاذ قرار في جزء من الثانية.