💻 computer science

Coverage Path Planning for Redundant Manipulators using Generalized Spanning Trees

تعالج هذه الورقة تحدي تغطية السطح بواسطة الملاعبات ذات الفائض الحركي من خلال توسيع خوارزميات تغطية شجرة الامتداد الكلاسيكية إلى خوارزميات تغطية شجرة الامتداد المشتركة (JSTC) في حالتي العمل غير المتصل (offline) والمتصل (online)، والتي تستفيد من أشجار الامتداد الدنيا المعممة لاختيار تكوينات الكينماتيكا العكسية المثلى بكفاءة وتوليد مسارات غير مكررة.

المؤلفون الأصليون: Raksi Kopo, Kostas J. Kyriakopoulos

نُشر 2026-09-09

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Raksi Kopo, Kostas J. Kyriakopoulos

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 ذراعاً آلياً مكلفاً بتنظيف سطح كبير ومسطح، مثل أرضية مصنع أو طاولة. على عكس الروبوت البسيط ذي العجلات الذي يتحرك عبر الأرض، تمتلك هذه الذراع العديد من المفاصل، مما يسمح لها بالوصول إلى نفس النقطة على الطاولة بعدة طرق مختلفة. فقد تثني كوعها عالياً، أو تبقيه منخفضاً، أو تدوّر معصمها، كل ذلك مع إبقاء أداة التنظيف في نفس الموقع والزاوية تماماً. هذا المرونة هي نقطة قوة، لكنها تخلق لغزاً هائلاً للكمبيوتر الذي يتحكم في الروبوت. فإذا اختار الروبوت طريقة خاطئة لثني ذراعه لنقطة ما، فقد يعلق أو يضطر للقيام بحركة كبيرة ومفاجئة للوصول إلى النقطة التالية، مما يهدر الوقت والطاقة. التحدي يكمن في تخطيط مسار يغطي كل بوصة من السطح بسلاسة، دون رفع الأداة أبداً أو القيام بالتواءات غير ضرورية، حتى لو تغيرت البيئة أثناء عمل الروبوت.

لقد طور باحثون في جامعة نيويورك أبو ظبي طريقة جديدة لحل هذا اللغز، حيث ابتكروا وسيلة تساعد هذه الأذرع الآلية المرنة على تخطيط مسارات التنظيف الخاصة بها بكفاءة. لقد بنوا عملهم على استراتيجية قديمة ومعروفة تُستخدم للروبوتات الأبسط، تتضمن تقسيم السطح إلى شبكة من المربعات ورسم مسار يشبه الشجرة عبرها لضمان زيارة كل مربع مرة واحدة بالضبط. قام الفريق، بقيادة راكسي كوبو وكوستاس جيه كيرياكوبولوس، بتكييف فكرة "الشجرة الممتدة" هذه لتناسب الأذرع المعقدة متعددة المفاصل. وقد أنشأوا نسختين من حلهما: نسخة للمواقف التي تكون فيها المنطقة بأكملها معروفة مسبقاً، وأخرى عندما يكتشف الروبوت عوائق أو تغيرات في السطح أثناء حركته.

في النسخة الأولى، المصممة للبيئات المعروفة، يقوم الكمبيوتر بالنظر إلى كل مربع في الشبكة وحساب العديد من الطرق الممكنة التي يمكن للذراع الآلية أن تمسك بها الأداة هناك. ثم يربط هذه الاحتمالات عبر المربعات المتجاورة، بحثاً عن أسلس سلسلة من الحركات التي تربطها جميعاً دون إجبار الذراع على الالتواء بشكل غريب. يختار النظام أفضل طريقة واحدة للإمساك بالأداة لكل مربع، مكوناً مساراً مستمراً ومنخفض الجهد يتتبع الشبكة مثل درب متعرج. وعندما اختبروا هذه الطريقة (غير المتصلة بالإنترنت/الخارجية) في محاكاة حاسوبية باستخدام ذراع آلية ذات سبعة مفاصل لمسح أرضية، أثبتت أنها أسرع وأسلس بكثير من الطرق السابقة. لقد قللت الطريقة الجديدة من إجمالي حركة مفاصل الروبوت بهامش كبير وتطلبت عدداً أقل بكثير من عمليات إعادة التشكيل الغريبة، كل ذلك مع حساب المسار في جزء ضئيل من الوقت الذي تتطلبه التقنيات القديمة التي تحاول حل المشكلة بأكملها دفعة واحدة.

أما النسخة الثانية من عملهم، فهي تعالج الفوضى الواقعية حيث تتغير الأشياء بشكل غير متوقع. فإذا ظهر عائق جديد أو أصبح جزء من الأرضية غير متاح، لا يمكن للروبوت ببساطة أن يتوقف وينتظر خطة جديدة؛ بل يجب عليه التكيف فوراً. تسمح الطريقة الثانية (المتصلة بالإنترنت/الآنية) للروبوت ببناء مساره خطوة بخطوة أثناء حركته. فهو يتحقق باستمرار مما إذا كان بإمكانه الوصول إلى المربع التالي بوضعية ذراعه الحالية. إذا استطاع، يتحرك للأمام. وإذا واجه طريقاً مسدوداً أو عائقاً، فإنه يتراجع بمرونة على طول المسار الذي صنعه للتو، باحثاً عن اتجاه آخر لتجربته، بدلاً من العلوق. تحدث هذه العملية بسرعة كبيرة بحيث يمكن للروبوت التعامل مع التغييرات المفاجئة، مثل ظهور جسم جديد على الطاولة أو إزالة جزء من الشبكة، دون أن يفقد مكانه أو يحتاج إلى البدء من جديد. وفي المحاكاة التي أُدخلت فيها عوائق أو اختفت أجزاء من الشبكة، تكيف النظام في أجزاء من الثانية، مما حافظ على استمرار مهمة التنظيف.

تظهر نتائج هذه المحاكاة أن هذا النهج الجديد يمثل خطوة عملية نحو الأتمتة. فمن خلال معاملة مواضع الذراع العديدة الممكنة كخريطة متصلة بدلاً من مجرد خط واحد، يجد النظام مسارات ليست كاملة فحسب، بل هي أيضاً لطيفة على مفاصل الآلة. توفر النسخة الأولى خطة عالية الكفاءة للمهام الثابتة، بينما توفر النسخة الثانية المرونة اللازمة للبيئات الديناميكية. وقد أثبت الباحثون أن طريقتهم يمكن أن تتعامل مع سيناريوهات معقدة، بما في ذلك المناطق المنفصلة والعوائق المتحركة، بسرعة وانسيابية تعجز عنها الطرق القديمة. وبينما تستند هذه النتائج حالياً إلى محاكاة حاسوبية، إلا أنها تشير إلى مسار قابل للتطبيق نحو روبوتات يمكنها تنظيف، وتلميع، وفحص الأسطح بمستوى من التكيف والكفاءة يشبه القدرات البشرية.

أبحاث مشابهة