SuperMap: A Spatio-Temporal SLAM System for Visual-Language Navigation

تواجه الروبوتات التي تتحرك عبر منازلنا ومكاتبنا تحديًا جوهريًا: العالم ليس معرضًا متحفيًا ثابتًا، بل هو مساحة حية حيث تُسحب الكراسي، وتُفرغ سلال المهملات، ويمر الناس عبر المداخل. لكي يتمكن آلة من التنقل في هذه البيئة بأمان واتباع تعليمات معقدة مثل "اذهب إلى الكرسي الذي كان بالقرب من النبتة سابقًا"، فإنه يحتاج إلى ما هو أكثر من مجرد لقطة للغرفة؛ إنه يتطلب ذاكرة تفهم ليس فقط ماهية الأشياء الموجودة، بل أيضًا كيف تحركت، أو اختفت، أو تغيرت بمرور الوقت. هذا هو مجال الخرائط المكانية-الزمانية (spatio-temporal mapping)، وهو مجال مخصص لمنح الروبوتات فهمًا مستمرًا ومتطورًا لمحيطها. وبينما أصبح الذكاء الاصطناعي الحديث بارعًا جدًا في التعرف على الأشياء في صورة واحدة، فإن دمج تلك اللحظات معًا لتشكيل قصة متماسكة وطويلة الأمد قد أثبت صعوبته. وبدون هذه القدرة، قد ينسى الروبوت كرسيًا رآه قبل خمس دقائق أو يفشل في ملاحظة أن عربة قد نُقلت إلى موقع جديد، مما يؤدي إلى الارتباك وفشل المهام.

لقد طور باحثون في جامعة كارنيجي ميلون نظامًا جديدًا يسمى "SuperMap" لحل هذه المشكلة. يعمل هذا النظام كذاكرة فورية للروبوتات، مما يسمح لها ببناء خريطة تفصيلية رباعية الأبعاد للغرفة تتحدث باستمرار بينما يتحرك الروبوت وتتغير البيئة. وعلى عكس الطرق السابقة التي إما تجاهلت التغييرات بمرور الوقت أو تطلبت ساعات من المعالجة غير المتصلة بالإنترنت (offline) لإنشاء خريطة، يعمل SuperMap فورًا أثناء قيادة الروبوت. فهو يجمع بين القياس الدقيق للمسافة والموقع والقدرة على التعرف على الأشياء بالاسم، حتى لو لم يرَ الروبوت ذلك الشيء المحدد من قبل. والنتيجة هي تمثيل رقمي للعالم يعرف ليس فقط أين توجد الأشياء، بل أين كانت، وإلى أين ستذهب، وأيها قد اختفى.

يكمن جوهر هذا الإنجاز في كيفية تعامل النظام مع الفرق بين اللمحة العابرة والحقيقة الدائمة. عندما ينظر الروبوت إلى غرفة ما، فإن كاميرته ترى تدفقًا من الصور. في الماضي، إذا اختفى جسم ما لفترة وجيزة خلف شخص أو جدار، فغالبًا ما يفقد الروبوت تتبعه في خريطته، ويعامله كما لو أنه اختفى للأبد. يتجنب SuperMap ذلك باستخدام نهج قائم على الاتساق؛ فهو يتحقق باستمرار من رؤيته الحالية مقابل ما يتذكره. إذا كان سلة المهملات مرئية اليوم ولكنها كانت هناك بالأمس، فإن النظام يبقيها في الخريطة. وإذا اختفت سلة المهملات، فإن النظام يسجل اختفاءها بدلاً من مجرد نسيانها. وهذا يسمح للروبوت بالتمييز بين العائق المؤقت، مثل شخص يمشي أمام جسم ما، والتغيير الدائم، مثل نقل قطعة أثاث إلى غرفة أخرى.

لبناء هذه الذاكرة، يقوم النظام بتشغيل ثلاث عمليات رئيسية في وقت واحد. أولاً، يستخدم المستشعرات لإنشاء نموذج ثلاثي الأبعاد دقيق للغرفة، وقياس المسافات إلى الجدران والأرضيات بدقة عالية. ثانيًا، يحدد الأشياء داخل تلك المساحة، ويمنحها هويات وأسماء فريدة. إذا رأى الروبوت "دلوًا أحمر"، فإنه يتذكر ذلك الدلو تحديدًا، وليس مجرد الفكرة العامة عن الدلو. ثالثًا، يربط هذه الأشياء معًا في شبكة تسجل علاقاتها وتاريخها. هذه الشبكة، التي تسمى "رسم بياني للمشهد" (scene graph)، تسمح للروبوت بالإجابة عن أسئلة حول الماضي؛ إذ يمكنه تذكر أن عربة كانت ذات يوم بجانب طاولة، حتى لو نُقلت العربة منذ ذلك الحين. هذه القدرة أمر بالغ الأهمية لاتباع التعليمات التي تعتمد على تاريخ الغرفة، مثل "عد إلى الكرسي الذي كان بالقرب من النبتة".

اختبر الباحثون هذا النظام في بيئات داخلية حقيقية، حيث أدخلوا تغييرات متعمدة لمعرفة مدى قدرة الروبوت على التكيف. لقد أضافوا عناصر جديدة مثل دلو وعلامة سلامة، وأزالوا عناصر أخرى مثل نبتة وكرسي. وفي هذه الاختبارات، نجح SuperMap في تتبع ظهور الأشياء الجديدة واختفاء الأشياء القديمة دون أن يفقد مكانه أو يخلط بين جسم وآخر. لقد حافظ على هوية الكرسي حتى بعد نقله بعيدًا عن الأنظار ثم إعادته، وهو إنجاز فشلت فيه العديد من الأنظمة السابقة. كما أثبت النظام قدرته على التعامل مع التغييرات طويلة الأمد على مدار عشر دقائق، وهي مدة كبيرة لروبوت يعمل في مساحة ديناميكية.

بعيدًا عن مجرد تتبع الأشياء، يُمكّن النظام الروبوت من فهم الأوامر اللغوية والعمل بموجبها. ومن خلال تحويل الخريطة ثلاثية الأبعاد المعقدة إلى تنسيق مهيكل يمكن للنموذج اللغوي قراءته، يمكن للروبوت التفكير في الغرفة. على سبيل المثال، إذا طُلب منه البحث عن جسم بناءً على علاقته بجسم آخر، يمكن للروبوت تتبع الروابط في ذاكرته لتحديد موقع الهدف. وفي التجارب، سمح هذا النهج للروبوت بالتنقل إلى سبورات بيضاء محددة في غرفة مليئة بسبورات متطابقة، من خلال فهم مواقعها النسبية، وهي مهمة مستحيلة إذا اعتمد الروبوت فقط على لقطات الفيديو الخام. ويحقق النظام ذلك دون الحاجة إلى معالجة كميات هائلة من بيانات الفيديو، بل باستخدام الخريطة المدمجة والمنظمة لاتخاذ القرارات بسرعة.

تم قياس أداء SuperMap مقارنة بالطرق الأخرى الموجودة، وأظهر تحسنات كبيرة في كل من السرعة والدقة. وبينما تتطلب بعض الأنظمة الأخرى معالجة غير متصلة بالإنترنت تستغرق دقائق أو ساعات لبناء خريطة، يعمل SuperMap في الوقت الفعلي، حيث يحدث فهمه مع سرعة حركة الروبوت. كما تفوق على الطرق الأخرى في تتبع الأجسام الفردية، وتحديد هوية العناصر والحفاظ عليها بشكل صحيح حتى عندما كانت محجوبة جزئيًا أو منظورة من زوايا صعبة. ووجد الباحثون أن قدرة النظام على الربط بين البيانات الهندسية والتعرف البصري كانت مفتاح نجاحه، مما سمح له بتصفية الأخطاء والحفاظ على رؤية مستقرة للعالم.

يمثل هذا العمل خطوة للأمام في جعل الروبوتات مفيدة حقًا في البيئات البشرية. فمن خلال منح الآلات ذاكرة تحترم مرور الوقت وسيولة المكان، يسمح SuperMap للروبوتات بالتنقل بمستوى من الوعي كان بعيد المنال سابقًا. النظام مصمم ليكون مفتوح المصدر، مما يعني أن الباحثين الآخرين يمكنهم البناء عليه لإنشاء روبوتات أكثر قدرة على التكيف والموثوقية. ومع استمرار دخول الروبوتات إلى منازلنا وأماكن عملنا، ستكون القدرة على تذكر الماضي وفهم الحاضر ضرورية لتعمل معنا بفعالية. يوفر SuperMap أساسًا لهذا المستقبل، محولًا عالمًا فوضويًا ومتغيرًا إلى خريطة يمكن للآلة فهمها والثقة بها.