Information-Guided Safe Reinforcement Learning for Autonomous Gas Source Localization using sUAS
تقدم هذه الورقة إطار عمل للتعلم المعزز الآمن الموجه بالمعلومات، والذي يدمج مخططاً كلاسيكياً قائماً على القابلية للملاحظة مع سياسة استكشاف متعلمة ومشرف ميتا ديناميكي للتغلب على قيود الملاحة القائمة على التدرج في البيئات المضطربة، محققاً نجاحاً يقارب 80% في تحديد موقع مصدر الغاز ذاتياً مع ضمان السلامة بصرامة من خلال دوال حاجز التحكم المتينة.
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
إن العثور على مصدر تسرب غاز خفي في الهواء الطلق هو مهمة تتحدى المنطق البسيط. فخلافاً لتتبع رائحة في غرفة هادئة، حيث تزداد الرائحة قوةً بشكل مطرد كلما اقتربت من مصدرها، فإن الغلاف الجوي عبارة عن سائل فوضوي ومضطرب. في الهواء المضطرب بالقرب من الأرض، لا يتدفق الغاز في تيار سلس يمكن التنبؤ به، بل يتفكك إلى دفعات عابرة وغير مرئية تظهر وتختفي في رقصة عشوائية من الرياح والاضطرابات. قد يرصد مستشعر ما دفعة قوية من الغاز، ليتلاشى الإرسال تماماً بعد ثوانٍ معدودة مع تغير اتجاه الرياح. وهذا يجعل البحث عن التسرب لغزاً مكسوراً جوهرياً؛ فالبيانات شحيحة ومشوشة للغاية، بحيث إن الطرق الرياضية التقليدية، التي تعتمد على إيجاد منحدر ثابت نحو الهدف، غالباً ما تتعثر أو تضل طريقها. ويمثل هذا مشكلة حرجة للسلامة البيئية، إذ يعد تحديد مواقع انبعاثات الميثان الهاربة بسرعة أمراً ضرورياً لمنع الأضرار المناخية والحوادث الصناعية.
ولحل هذه المعضلة، طور باحثون في جامعة كاليفورنيا، ميرسيد، طريقة جديدة لتوجيه الطائرات المسيرة الصغيرة ذاتية القيادة، المعروفة باسم (sUAS)، للعثور على مصادر الغاز المراوغة هذه. فقد أدركوا أن الطرق القديمة، التي تحاول حساب أفضل مسار بناءً على أفضل تخمين حالي لمكان التسرب، تشوبها ثغرة قاتلة. فعندما يكون التخمين الأولي خاطئاً — وهو ما يحدث كثيراً في الهواء المضطرب — تتبع الطائرة المسيرة المسار الخاطئ، وتدور حول موقع وهمي، مما يحرم النظام من البيانات المتنوعة التي يحتاجها لتصحيح نفسه. وقد ابتكر الفريق نظاماً هجيناً يجمع بين مخطط كلاسيكي قائم على القواعد وذكاء اصطناعي يعتمد على التعلم. تم تدريب هذا الذكاء الاصطناعي على استكشاف المجهول، حيث يتدخل عندما تفشل القواعد في إخراج الطائرة من حلقة مفرغة سيئة. ويحيط بالنظام بأكمله طبقة سلامة صارمة تضمن عدم اصطدام الطائرة بالعوائق، حتى أثناء بحثها الشرس عن المعلومات.
بنى الباحثون عالماً افتراضياً عالي الواقعية لتدريب واختبار نظامهم، باستخدام معالجات رسومية قوية لمحاكاة الفيزياء المعقدة للرياح وتشتت الغاز. وفي هذه البيئة الرقمية، أنشأوا سيناريو حيث يسرب تسرب غاز دفعات غير مرئية في غلاف جوي مضطرب مليء بالعوائق مثل المباني أو الأشجار. واختبروا نهجهم الجديد مقابل الطرق القياسية القديمة. فشلت الطرق التقليدية، التي تعتمد على حساب الموقع الأكثر احتمالاً للطيران مباشرة نحوه، في العثور على التسرب في حوالي 70 بالمائة من التجارب. كانت هذه الأنظمة غالباً ما تقع في فخ الدوران في دورة حيث تطير الطائرة نحو تقدير خاطئ، ولا تجمع بيانات جديدة، وتظل عالقة. وفي المق المقابل، نجح النظام الجديد، الذي يستخدم "مشرفاً فائقاً" (meta-supervisor) ليقرر متى يثق في القواعد ومتى يترك المجال للذكاء الاصطناعي للاستكشاف، في ما يقرب من 80 بالمائة من التجارب، حتى عندما كان مصدر الغاز متحركاً.
يكمن سر هذا النجاح في كيفية تعامل النظام مع عدم اليقين. تحمل الطائرة المسيرة طريقتين مختلفتين لتخمين موقع التسرب: إحداهما تبحث عن الموقع الأكثر احتمالاً، والأخرى تحافظ على مجموعة واسعة من الاحتمالات قائمة. ويقوم نظام مراقبة بالتحقق باستمرار من مدى تطابق هذه التخمينات مع قراءات الغاز الفعلية التي تجمعها الطائرة. وعندما يكون التطابق ضعيفاً، مما يشير إلى أن الطائرة تبحث على الأرجح في المكان الخطأ، يعطي المشرف إشارة للذكاء الاصطناعي لتولي زمام الأمور. يقوم الذكاء الاصطناعي بعد ذلك بتوجيه الطائرة إلى المناطق التي تكون فيها أنماط الغاز أكثر إرباكاً أو ندرة، مما يجبر النظام على جمع البيانات المتنوعة اللازمة لإصلاح تقديره. وتسترشد هذه العملية بآلية سلامة تعمل كدرع غير مرئي، حيث تتحقق باستمرار من مسار الطائرة مقابل العوائق وتعدل سرعتها أو اتجاهها بما يكفي لمنع الاصطدام، مما يضمن بقاء البحث آمناً حتى عندما تخاطر الطائرة في سبيل التعلم أكثر.
كانت نتائج المحاكاة صارخة. فبينما توقفت الطرق القديمة عند متوسط مسافة يزيد عن 24 متراً من المصدر الحقيقي، نجح النظام الجديد باستمرار في توجيه الطائرة لتكون ضمن مسافة 5 أمتار من التسرب، وغالباً في أقل من 300 خطوة. وأثبت النظام متانته حتى عندما كان مصدر الغاز يتحرك بشكل عشوائي، وهو سيناريو يربك عادةً خوارزميات البحث الثابتة. ومن الأهمية بمكان أن نظام السلامة عمل بشكل مثالي؛ ففي آلاف الخطوات المحاكات، لم تنتهك الطائرة أي حدود سلامة، رغم أن الذكاء الاصطناعي كان يدفع الطائرة مراراً للاقتراب من العوائق لجمع المعلومات. ووجد الباحثون أن المفتاح لم يكن مجرد امتلاك تخمين أفضل، بل امتلاك نظام يعرف متى يتوقف عن الثقة في تخميناته ويبدأ في استكشاف المجهول.
يمثل هذا العمل خطوة كبيرة للأمام في جعل الكشف الذاتي عن الغاز موثوقاً في العالم الحقيقي. فمن خلال الجمع بين قابلية التنبؤ للهندسة الكلاسيكية وقدرة التعلم الآلي على التكيف، وتغليف كليهما بشبكة أمان صارمة، نجح الباحثون في إنشاء إطار عمل يمكنه التعامل مع واقع الغلاف الجوي الفوضوي. إن النظام لا يجد التسرب فحسب، بل يتعلم كيف يبحر في فوضى الرياح، محولاً لغزاً مكسوراً وغير قابل للحل إلى عملية بحث يمكن إدارتها. وبينما تأتي النتائج الحالية من محاكاة حاسوبية متطورة، فإن البنية التحتية مصممة للنقل إلى طائرات مسيرة حقيقية، مما يوفر مساراً واعداً نحو مراقبة أسرع وأكثر أماناً وفعالية لانبعاثات الغاز الخطرة في بيئتنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.