Beyond Relative Geometry: Metric-Aware Geometry Perception for Robotics

تواجه الروبوتات التي تتحرك في عالمنا لغزاً جوهرياً: كيف تحول ما تراه إلى ما يمكنها فعله. لسنوات، أصبحت أنظمة الذكاء الاصطناعي بارعة بشكل ملحوظ في التعرف على الأشياء وفهم المشاهد من الصور المسطحة، تماماً مثل إنسان ينظر إلى صورة فوتوغرافية. ومع ذلك، فإن رؤية صورة لكوب تختلف تماماً عن مد اليد للإمساك به. للتفاعل مع العالم المادي، يحتاج الجهاز إلى أكثر من مجرد خريطة بصرية؛ يحتاج إلى معرفة مدى بعد الأشياء بالضبط ومدى حجمها الحقيقي. وبدون هذا الإحساس الدقيق بالمقياس، قد يعتقد الروبوت أن لعبة صغيرة هي صندوق كبير، أو أن باباً يبعد بضع بوصات فقط بينما هو في الواقع يبعد عدة أقدام. لقد كانت هذه الفجوة بين الرؤية ومعرفة الحجم الحقيقي للأشياء عائقاً طويلاً أمام منح الروبوتات البراعة اللازمة للمهام المعقدة مثل ترتيب غرفة أو تجميع الأثاث.

لقد طور فريق من الباحثين نهجاً جديداً لسد هذه الفجوة، حيث أنشأوا نظاماً يسمح للروبوتات بإدراك العالم بأبعاد حقيقية قابلة للقياس بدلاً من مجرد أشكال نسبية. عملهم، المعروف باسم "الإدراك الهندسي المدرك للمقياس" (Metric-Aware Geometry Perception أو MAGP)، يعلم الآلات إعادة بناء المشاهد ثلاثية الأبعاد بإحساس متسق بالمقياس، مما يضمن أن يبدو الكرسي بنفس الحجم سواء رآه الروبوت من اليسار، أو اليمين، أو من الأمام مباشرة. ومن خلال ربط رؤية الروبوت بالقياسات الفيزيائية الفعلية، يتيح النظام حركات أكثر موثوقية ودقة، محولاً التخمينات المكانية الغامضة إلى بيانات ملموسة وقابلة للتنفيذ.

لفترة طويلة، كانت أفضل نماذج الرؤية الحاسوبية قادرة فقط على بناء خريطة "نسبية" للمشهد. تخيل النظر إلى صورة لغرفة حيث تبدو الأثاث بشكل صحيح وموضعها صحيح، ولكن ليس لديك أي وسيلة لمعرفة ما إذا كانت الأريكة طولها متران أو سنتيمتران. يفهم النموذج العلاقات بين الأشياء -المصباح فوق الطاولة، والطاولة على الأرض- لكنه لا يستطيع تعيين حجم حقيقي لها. هذا يعمل بشكل جيد لتحديد ما يوجد في الغرفة، ولكنه يفشل عندما يحتاج الروبوت إلى تحريك ذراعه. إذا قالت الخريطة الداخلية للروبوت إن الفجوة واسعة بما يكفي للمرور من خلالها، ولكن هذا القياس يعتمد على تخمين بدلاً من مسطرة حقيقية، فقد يصطدم الروبوت بالحائط. المشكلة هي أن الكاميرات القياسية تلتقط المنظور، حيث تبدو الأشياء البعيدة أصغر والأشياء القريبة أكبر، مما يجعل من السهل على الكمبيوتر الخطأ في تقدير المقياس إذا اعتمد فقط على الصورة نفسها.

وجد الباحثون أن الطرق الموجودة غالباً ما تجاهلت القرائن المحددة التي تخبر الكاميرا بمدى تحركها أو عمق المشهد. بدلاً من ذلك، كانت تميل إلى تخمين حجم الأشياء بناءً على شكلها، مثل افتراض أن كوب القهوة بحجم قياسي لأنه يبدو ككوب. هذا النهج هش؛ فإذا تغيرت الإضاءة أو رأى الروبوت الجسم من زاوية غريبة، فقد يكون التخمين خاطئاً تماماً. صُمم النظام الجديد، MAGP، للتوقف عن التخمين والبدء في القياس. وهو يفعل ذلك من خلال إجبار الكمبيوتر على الانتباه للبيانات الفيزيائية التي توفرها مستشعرات الروبوت، مثل المسافة التي تحركتها الكاميرا بين لقطتين أو معلومات العمق من ماسح ليزري.

لتدريب النظام على الاعتماد على هذه القرائن الفيزيائية بدلاً من التخمينات البصرية، استخدم الباحثون تقنية تدريب ذكية. لقد أخذوا مشاهد وغيروا مقياس المسافات وتحركات الكاميرا اصطناعياً مع إبقاء الصور كما هي تماماً. إذا كان نموذج الروبوت الداخلي يقوم بمجرد التخمين بناءً على مظهر المشهد، فإنه سيفشل في التكيف. ولكن لأن النظام تم تدريبه على اتباع الأرقام المتغيرة، فقد تعلم تحديث خريطته الذهنية لحجم الغرفة كلما تغيرت البيانات الفيزيائية. هذه العملية، التي تسمى "تعزيز التكافؤ في المقياس المتري" (metric scale equivariant augmentation)، علمت النموذج أنه إذا تحركت الكاميرا لضعف المسافة، فيجب أن تكون الغرفة ضعف الحجم، بغض النظر عما تبدو عليه الأشياء.

النتيجة هي روبوت يرى العالم بمسطرة ثابتة. في الاختبارات باستخدام مجموعات بيانات واقعية لغرف وأشياء، قلل النظام الجديد الخطأ في قياس المسافات من أكثر من مترين إلى سبعة سنتيمترات فقط. هذا تحسن هائل، حيث حول التقدير الضبابي غير المؤكد إلى قياس حاد وموثوق. يعمل النظام حتى عندما يمتلك الروبوت أنواعاً مختلفة من المستشعرات أو عندما تكون بعض البيانات مفقودة، متكيفاً مع المعلومات المتاحة لبناء صورة متماسكة للمساحة.

عندما تم توصيل نظام الإدراك الجديد هذا ببرمجيات التحكم في الروبوت الفعلي، كان الفرق في الأداء واضحاً. في مجموعة من المهام القياسية التي تتضمن تحريك الأشياء، نجحت الروبوتات التي تستخدم النظام المدرك للمقياس بشكل أكبر من تلك التي تستخدم الطرق القديمة. في اختبار محدد يتضمن روبوتاً بذراعين يعملان معاً، ارتفع معدل النجاح بأكثر من ست نقاط مئوية. كانت الروبوتات أفضل في معرفة مكان وضع مقابضها بالضبط ومدى المسافة التي يجب أن تصل إليها، مما أدى إلى أخطاء أقل وحركات أكثر سلاسة. وحتى عندما تم اختبار الروبوتات في مهام لم ترها من قبل، ساعدها النظام على التكيف بسرعة، مما أظهر أن الفهم الحقيقي للمقياس هو أداة قوية للذكاء العام.

يشير هذا العمل إلى أنه لكي تتقن الروبوتات العالم المادي حقاً، يجب أن تتوقف عن معاملة البيئة كصورة مسطحة وتبدأ في معاملتها كمساحة قابلة للقياس. ومن خلال ترسيخ رؤيتها في أبعاد العالم الحقيقي، يمكن لهذه الآلات الانتقال من مجرد التعرف على الأشياء إلى التفاعل معها بثقة ودقة يد الإنسان. لقد أظهر الباحثون أنه عندما يعرف الروبوت الحجم الدقيق للأشياء، يمكنه القيام بأكثر بكثير من مجرد النظر إليها.