SUPER ODOMETRY 2.0: Resilient Odometry via Hierarchical Adaptation

تحتاج الروبوتات، مثل البشر، إلى معرفة مكانها وكيفية تحركها لإنجاز المهيّمات. هذه القدرة، المعروفة باسم "القياس المسافي" (odometry)، هي الحساب الداخلي المستمر للموقع والاتجاه الذي يسمح للآلة بالانتقال من النقطة (أ) إلى النقطة (ب). لعقود من الزمن، اعتمد المهندسون على مستشعرات خارجية لبناء هذه الصورة للعالم؛ حيث تعمل الكاميرات كعيون تلتقط الميزات البصرية مثل الزوايا والأنسجة، بينما ترسم الماسحات الليزرية هندسة الجدران والعوائق. تعمل هذه الأدوات بشكل رائع في البيئات الواضحة، جيدة الإضاءة، والمنظمة. ومع ذلك، فإن العالم الحقيقي غالباً ما يكون فوضوياً؛ فالدخان الكثيف، أو الثلوج التي تعمي الأبصار، أو الأنفاق شديدة الظلمة، أو الفقدان المفاجئ للضوة، يمكن أن يعمي الكاميرا ويشتت شعاع الليزر. وعندما تفشل هذه الحواس الخارجية، يمكن للروبوت أن يفقد طريقه بسرعة، مما يؤدي إلى انحرافه عن المسار أو توقفه تماماً. لقد كان هذا الضعف لفترة طويلة عائقاً أمام إرسال الآلات ذاتية القيادة إلى الأماكن الأكثر خطورة أو عدم قابلية للتنبؤ، مثل مناطق الكوارث أو المناجم العميقة تحت الأرض.

قام فريق من الباحثين في جامعة كارنيجي ميلون وجامعة بوفالو بتطوير نظام جديد يسمى "سوبر أودومتري" (Super Odometry) لحل هذه المشكلة. فبدلاً من الاعتماد فقط على المستشعرات الخارجية التي يمكن خداعها بسهء من قبل البيئة، يتعلم نظامهم الوثوق بالحس الداخلي لحركة الروبوت، تماماً مثل الإنسان الذي يتنقل في غرفة مظلمة عبر الشعور بخطواته. بنى الباحثون إطار عمل لا يكتفي فقط بتشغيل أو إيقاف المستشعرات، بل يتكيف ديناميكياً مع استراتيجيته بأكملها بناءً على مدى سوء الظروف. اختبروا هذا النظام على أسطول من الروبوتات، بما في ذلك الطائرات بدون طيار، والمركبات ذات العجلات، والآلات ذات الأرجل، حيث شغلوها عبر أكثر من 200 كيلومتر من التضاريس الصعبة. وأظهرت النتائج أن النظام يمكنه الحفاظ على دقة الملاحة حتى عندما تصبح الكاميرات والليزر عديمي الفائدة تماماً، كما في حالات الدخان الكثيف أو الظلام الدامس، وذلك من خلال الاعتماد بشكل كبير على البيانات القادمة من مستشعر الحركة الداخلي.

جوهر هذا النهج الجديد هو تسلسل هرمي من التكيفات التي تبدأ في العمل مع تدهور الظروف. في البيئة الطبيعية، يستخدم الروبوت كاميراته وماسحاته الليزرية لتتبع مساره. ولكن عندما يمتلئ الهواء بالدخان أو يخبو الضوء، لا يصاب النظام بالذعر؛ بل يغير تركيزه ببساطة. الخطوة الأولى هي أن يصبح أكثر انتقائية بشأن التفاصيل البصرية التي يثق بها، متجاهلاً الأجزاء الضبابية أو المربكة. وإذا أصبحت البيئة مربكة هندسياً، مثل ممر طويل فارغ تبدو فيه الجدران متطابقة، يحول النظام انتباهه إلى الاتجاهات التي لا يزال بإمكانه العثور فيها على معلومات موثوقة، متجاهلاً الاتجاهات التي فقد فيها القدرة على التوجيه. وإذا أصبح التدهور مختلطاً، مع فشل بعض المستشعرات واستمرار معاناة أخرى، يقوم النظام بإعادة وزن ثقته ديناميكياً، معتمداً أكثر على المستشعر الذي لا يزال يعمل بشكل جيد.

يحدث الابتكار الأكثر أهمية عندما تفشل جميع المستشعرات الخارجية تماماً. في سيناريوهات مثل غرفة مليئة بالدخان الكثيف أو عاصفة ثلجية، حيث لا يستطيع الليزر ولا العيون رؤية أي شيء، يلجأ النظام إلى نموذج داخلي متعلم. يعتمد هذا النموذج على وحدة القياس بالقصور الذاتي (Inertial Measurement Unit)، وهي شريحة صغيرة داخل الروبوت تقيس التسارع والدوران. تاريخياً، كانت هذه الشرائح تُعامل كأدوات ثانوية، تُستخدم فقط لتنعيم البيانات القادمة من الكاميرات. ومع ذلك، قام الباحثون بتدريب شبكة تعلم عميق على أكثر من 100 ساعة من البيانات من روبوتات متنوعة، لتعليمها التنبؤ بالحركة حصرياً من بيانات الحركة الداخلية. سمح هذا للروبوت بتقدير موقعه حتى عندما لا يستطيع رؤية شيء واحد. تم تصميم النظام بحيث عندما تعمل المستشعرات الخارجية، تقوم باستمرار بتعليم وتطوير هذا النموذج الداخلي. ولكن عندما يصبح العالم الخارجي غير مرئي، يتولى النموذج الداخلي زمام الأمور، مما يوفر ملاذاً آمناً وموثوقاً يبقي الروبوت في حالة حركة.

لإثبات هذا المفهوم، وضع الباحثون نظامهم عبر سلسلة صارمة من الاختبارات. قادوا روبوتاً ذا أرجل عبر مسار مستمر واحد في حرم جامعي تضمن أكثر من 13 نوعاً مختلفاً من الظروف الصعبة. تنقل الروبوت عبر ممرات مظلمة خالية من المعالم، وسلالم شديدة الانحدار، ومناطق بها ضوضاء بصرية مكثفة مثل توهج العدسات والجدر walls البيضاء. أخيراً، دخل الروبوت منطقة مليئة بالدخان الكثيف الذي حجب رؤيته وحساسات الليزر لديه تماماً. طوال رحلته التي بلغت 2,966 متراً، لم يفشل النظام أبداً؛ حيث حافظ على خطأ نهائي في الموقع قدره 20 سنتيمتراً فقط، وهو معدل انحراف منخفض للغاية قدره 0.006 بالمائة. تم تحقيق هذا الأداء دون استخدام أي حيل معقدة في الخلفية أو انتظار لتصحيح الأخطاء لاحقاً؛ فقد صحح النظام نفسه في الوقت الفعلي أثناء حركته.

اختبر الفريق أيضاً قدرة النظام على التعامل مع حالات الفشل المفاجئ للمستشعرات. في إحدى التجارب، قاموا بسد مستشعرات الروبوت مادياً باستخدام قطعة من الكرتون، أولاً بتغطية الجانب، ثم المقدمة، وفي النهاية تغطية جميع زوايا الرؤية للكاميرا والماسح الليزري. اكتشف النظام هذه الانسدادات فوراً وعدّل اعتماده على المستشعرات المتبقية. عندما تم سد الكاميرا، اعتمد النظام على الماسح الليزري؛ وعندما تم سد الليزر، اعتمد على الكاميرا. وعندما تم سد كليهما، تولى نموذج الحركة الداخلي المتعلم القيادة. استمر الروبوت في رسم خرائط لمحيطه وتتبع مساره بدقة عالية، مما أثبت أن النظام يمكنه النجاة من الفقدان التام للإدراك الخارجي لفترات طويلة.

جاء التأكيد الإضافي من اختبار النظام على أنواع مختلفة من الروبوتات، من السيارات والطائرات بدون طيار إلى الآلات رباعية الأرجل والأجهزة المحمولة. وجد الباحثون أن نموذج الحركة الداخلي الذي دربوه كان قابلاً للتعميم بدرجة عالية. فالنموذج الذي تم تدريبه على بيانات من أنواع عديدة من الروبوتات كان يؤدي بشكل أفضل من النماذج المدربة خصيصاً لنوع واحد فقط. وهذا يعني أنه يمكن نشر النظام على روبوت جديد دون الحاجة إلى إعادة تدريبه من الصفر. والأكثر إثارة للإعجاب هو أن النظام يمكنه التكيف مع روبوت جديد في الوقت الفعلي؛ ففي اختبار شمل مركبة كبيرة مخصدة لجميع التضاريس، استخدم النظام 60 ثانية فقط من البيانات لضبط نموذجه الداخلي، ليتعلم أنماط حركة المركبة الجديدة ويحسن دقته على الفور.

قارن الباحثون طريقتهم بأفضل التقنيات الموجودة في هذا المجال. في الاختبارات القياسية التي تتضمن تدهوراً هندسياً ومختلطاً، حقق نظامهم متوسط معدل خطأ أقل بنسبة 54 بالمائة من ثاني أفضل طريقة. والأهم من ذلك، بينما فشلت الأنظمة الأخرى تماماً في الظروف الأكثر تطرفاً، مثل اختبارات الدخان الكثيف، استمر "سوبر أودومتري" في العمل. وقد استبعدت الدراسة صراحة فكرة أن مجرد إضافة المزيد من المستشعرات أو متوسط بياناتها كافٍ لحل هذه المشكلات؛ وبدلاً من ذلك، أظهروا أن النهج الجامد يفشل عندما تتغير البيئة، وأن استراتيجية هرمية مرنة هي المطلوبة للحفاظ على السلامة والوظائف.

يمثل هذا العمل خطوة مهمة نحو جعل الروبوتات مستقلة حقاً في العالم الحقيقي. فمن خلال رفع مستشعر الحركة الداخلي إلى دور أساسي وإنشاء نظام يمكنه الانتقال بسلاسة بين الاستراتيجيات المختلفة بناءً على شدة البيئة، بنى الباحثون أساساً لروبوتات يمكنها العمل بأمان في أي ظرف. سواء كانت طائرة بدون طيار للإنقاذ تحلق عبر مبنى مليء بالدخان، أو مركبة تستكشف كهفاً مظلماً، أو مركبة تقود عبر عاصفة ثلجية، يضمن هذا النظام أن الروبوت لن يفقد طريقه أبداً. إن النتائج، التي جُمعت على مدار 800 ساعة تشغيل عبر ست سنوات من التطوير، تشير إلى أن عصر الروبوتات الهشة والمعتمدة على البيئة قد يقترب من نهايته، ليحل محله آلات يمكنها التكيف والبقاء أينما أُرسلت.