GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure
يُعد GhostPoint إطار عمل للتعلم الخاضع للإشراف الذاتي يعمل على تحسين الكشف عن الأجسام ثلاثية الأبعاد من السحب النقطية لليدار (LiDAR) عبر استحضار ميزات كامنة في المناطق المحجوبة من خلال تمدد المجلدات (voxels) الخاصة بالنماذج، مما يتغلب على انحياز السطح المرئي في الطرق الحالية ويحقق أداءً رائدًا، لا سيما في حالات المسح المتناثر وسيناريوهات البيانات المحدودة الملصقات.
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 تحاول تعليم روبوت كيف يرى العالم، لكنك أعطيته نظارات لا تظهر له سوى الأسطح اللامعة والعاكسة للأشياء. إذا مرت سيارة بجانبه، سيرى الروبوت المصد الأمامي والباب الجانبي، لكن الجزء الخلفي من السيارة سيكون مخفيًا خلف شجرة. في عالم القيادة الذاتية، هذه مشكلة ضخمة. تعتمد الروبوتات على مستشعرات ثلاثية الأبعاد تسمى "ليدار" (LiDAR)، والتي تطلق أشعة ليزر لرسم خرائط للبيئة المحيطة. لكن الليزر يرتد عما يصطدم به؛ فهو لا يرى من خلال الجدران أو حول الزوايا. وهذا يترك "أشباحًا" في البيانات — مساحات فارغة حيث "يُفترض" وجود سيارة، ولكن المستشعر لا يرى فيها شيئًا.
لفترة طويلة، حاول العلماء تعليم هذه الروبوتات باستخدام "التعلم الخاضع للإشراف الذاتي". فكر في هذا كأنه لعبة "ملء الفراغات" حيث يتعلم الروبوت من خلال النظر إلى ملايين المسحات الليزرية غير المصنفة، محاولاً استنتاج الأنماط دون أن يخبره معلم بالإجابات. هذا يعمل بشكل رائع لمهام مثل تصنيف كل نقطة على أنها "طريق" أو "عشب". ولكن عندما يتعلق الأمر بإيجاد أجسام كاملة — مثل إدراك وجود سيارة حتى لو كان نصفها مخفيًا — كانت الروبوتات تعاني. لقد كانت تتعثر في التركيز فقط على الأجزاء التي يمكنها رؤيتها بالفعل، مما يجعلها تفقد الصورة الكبيرة للشكل الحقيقي للجسم وموقعه. ورقة بحثية بعنوان "GhostPoint" تحاول حل هذه النقطة العمياء تحديدًا عبر تعليم الروبوت كيف يتخيل الأجزاء غير المرئية من العالم.
الفكرة الجوهرية وراء هذا البحث هي أن طرق التعلم الحالية مهووسة جدًا بالبيانات "المرئية". إذا قمت بتدريب الروبوت فقط على أجزاء السيارة التي يصطدم بها الليزر، فسيتعلم أن السيارة مجرد مجموعة من النقاط العائمة في المقدمة والجانب. لن يفهم أن السيارة عبارة عن صندوق صلب ومتصل يمتد إلى المساحة الفارغة خلف الشجرة. وجد المؤلفون أن هذا "التحيز للسطح المرئي" هو السبب في أن الروبات بارعة في رصد النقاط الفردية ولكنها سيئة في اكتشاف الأجسام الكاملة، خاصة عندما تكون تلك الأجسام محجوبة جزئيًا.
ولإصلاح ذلك، قدم الفريق إطار عمل جديدًا يسمى GhostPoint. تخيل أنك تنظر إلى منحوتة من خلال نافذة ضبابية. يمكنك رؤية الجزء الأمامي، لكن الجزء الخلفي يظل لغزًا. بدلاً من مجرد التحديق في الضباب، يعلم GhostPoint الروبوت كيف "يهلوس" ببقية المنحوتة. يفعل ذلك عن طريق أخذ الأجزاء التي يراها بالفعل من الجسم ويتخيل "جوارًا" حولها — منطقة تشمل المساحة المخفية والفارغة حيث يُحتمل وجود بقية الجسم.
إليك كيف يحدث السحر: يأخذ النظام مسحة ليزر ويخفي عمدًا بعض النقاط المرئية (مثل وضع عصابة على عين الروبوت للحظة قصيرة). ثم يطلب من الروبوت تخمين شكل تلك النقاط المخفية بناءً على السياق المحيط. لكن هنا تكمن المفاجأة: GhostPoint لا يتوقف عند هذا الحد. بل ينظر أيضًا إلى المساحات الفارغة "عديمة العائد" بجانب الجسم (المنطقة الضبابية خلف الشجرة) ويسأل الروبوت عن تخمين ما يجب أن تحتويه تلك البقع. إنه يخلق روبوتًا "معلمًا" يعرف الصورة الكاملة غير المقنعة، وروبوتًا "طالبًا" يتعين عليه تخمين القطع المفقودة. يتم مكافأة الطالب ليس فقط لتخمين الأجزاء المخفية من الجزء المرئي من الجسم، بل لتخيله بشكل صحيح للأجزاء غير المرئية من الجسم التي لم يلمسها الليزر أبدًا.
النتائج التي حققها هذا النهج واعدة للغاية. فعندما اختبر الباحثون GhostPoint على مجموعتي بيانات رئيسيتين للقيادة، وهما nuScenes و Waymo، أصبحت الروبوتات أفضل بكثير في العثور على السيارات والمشاة والدراجات، خاصة عندما كانت تلك الأجسام محجوبة جزئيًا أو عندما كانت مسحة الليزر متباعدة جدًا. على سبيل المثال، في مجموعة بيانات nuScenes، حسن هذا الأسلوب درجة الكشف (وهي مقياس لمدى جودة عثور الروبوت على الأجسام وتحديدها) لتصل إلى 67.5 mAP و 71.2 NDS عند التدريب الكامل، متفوقًا على الأساليب السابقة. والأكثر إثارة للإعجاب هو أنه عندما سُمح للروبوتات باستخدام 10% فقط من البيانات المعتادة المصنفة، كان أداء GhostPoint يضاهي الأساليب القديمة التي استخدمت 100% من البيانات. وهذا يشير إلى أنه من خلال تعليم الروبوت كيف "يرى" غير المرئي، يصبح أكثر كفاءة في التعلم.
كما استبعدت الورقة البحثية صراحةً بعض الأفكار الأخرى. فقد اختبر المؤلفون ما إذا كان مجرد إضافة رأس "انحدار الصندوق" (أداة تحاول رسم صندوق ثلاثي الأبعاد حول النقاط المرئية) سيحل المشكلة. ووجدوا أن ذلك لم يساعد؛ بل في الواقع، جعل الأمور أسوأ أحيانًا. وهذا يؤكد أن المشكلة ليست مجرد رسم صندوق حول النقاط، بل تتعلق بفهم الروبوت بشكل أساسي أن الجسم موجود في المساحة الفارغة، وليس فقط على السطح.
في النهاية، يشير GhostPoint إلى أنه لكي تقود الروبوتات بأمان في العالم الحقيقي، فإنها تحتاج إلى تعلم كيفية ملء الفراغات. إنها بحاجة إلى فهم أن السيارة هي جسم كامل، حتى عندما يرى الليزر فقط بضع نقاط مبعثرة. ومن خلال تدريبها على الهلوسة بالهيكل المفقود، تصبح الروبوتات أكثر قوة، وتتعامل مع حالات الحجب والبيانات المتباعدة بشكل أفضل من ذي قبل. ورغم أن الطريقة ليست مثالية — إذ لا تزال بإمكانها الارتباك إذا كان الجسم متباعدًا للغاية أو إذا كانت هناك ضوضاء غريبة في الخلفية — إلا أنها تمثل خطوة كبيرة للأمام في تعليم الآلات رؤية الصورة الكاملة، وليس فقط الأجزاء التي يمكنها لمسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.