SwarmNxt: Open-source Software-Hardware Platform for Fast and Agile Aerial Swarms
تقدم هذه الورقة SwarmNxt، وهي منصة برمجية-عتادية مفتوحة المصدر مبنية على طائرة OmniNxt المسيرة، توفر مجموعة أدوات شاملة للأسراب الجوية ذاتية القيادة، والتي تم التحقق من كفاءتها من خلال تجارب واقعية أظهرت قدرة عالية على تجنب الاصطدام اللامركزي والطيران الجماعي المدرك للعوائق.
المؤلفون الأصليون:Charbel Toumieh, Niel Mistry, Benjamin Jarvis, Simon Jeger, Peize Liu, Shaojie Shen, Dario Floreano
تخيل فريقاً من المستجيبين الأوائل يهرعون نحو مبنى منهار أو غابة تحترق. في هذه اللحظات، يكون الوقت هو المورد الأكثر ندرة، وغالباً ما تكون البيئة خطيرة للغاية على دخول البشر. قد يتمكن روبوت واحد من الطيران للداخل والاستطلاع، لكنه لا يستطيع إلا رؤية ما هو أمام عينه مباشرة، وإذا تحطم، تنتهي المهمة. أما السرب، فهو مجموعة من الروبوتات الطائرة الصغيرة التي تعمل معاً كوحدة واحدة. فمن خلال الانتشار، يمكنهم تغطية مساحة واسعة بسرعة، ورسم خرائط للمساحات المعقدة، والبحث عن ناجين بسرعة أكبر بكثير من أي آلة فردية. لقد كان التحدي دائماً هو جعل هذه المجموعات تطير بأمان بمفردها؛ فهي تحتاج إلى معرفة مكانها، وتجنب الاصطدام ببعضها البعض، والتنقل عبر العوائق دون أن تتحطم، كل ذلك أثناء العمل على أجهزة الكمبيوتر الصغيرة المدمجة في أجسامها. لسنوات، كافح الباحثون لبناء نظام يكون قوياً بما يكفي ليفكر من تلقاء نفسه وبسيطاً بما يكفي لكي يقوم العلماء بتجميعه واختباره بأعداد كبيرة.
لقد قدم فريق من الباحثين الآن حلاً كاملاً لهذه المشكلة، وهو منصة مفتوحة المصدر تسمى SwarmNxt. هذا النظام ليس مجرد طائرة بدون طيار واحدة، بل هو مجموعة أدوات كاملة تأخذ الباحث من لحظة شراء القطع إلى لحظة مشاهدة مجموعة من الطائرات وهي تطير في نمط منسق. تم بناء الأجهزة بناءً على تصميم محدد للطائرات بدون طيارة يُعرف باسم OmniNxt، وهو صغير وخفيف الوزن ومجهز بكاميرات يمكنها الرؤية في جميع الاتجاهات في آن واحد. قدم الباحثون تعليمات مفصلة خطوة بخ way وأدلة فيديو بحيث يمكن لأي شخص، حتى لو لم يكن لديه خلفية في الهندسة، تجميع هذه الآلات. تبلغ تكلفة بناء واحدة حوالي سعر كمبيوتر محمول عالي الجودة، ويستغرق التجميع حوالي خمس ساعات. وبمجرد بنائها، يكمن الابتكار الحقيقي في البرمجيات. فبدلاً من إعداد كل طائرة على حدة، وهو أمر بطيء ومعرض للخطأ، ابتكر الفريق نظاماً يمكنه تهيئة وتحديث أسطول كامل من الطائرات بدون طيار في وقت واحد. وهذا يعني أنه إذا أراد باحث اختبار خوارزمية طيران جديدة، فيمكنه إرسال التحديث إلى ست طائرات في آن واحد خلال عشرين دقيقة فقط، بدلاً من قضاء ساعات على كل وحدة على حدة.
إن قلب النظام هو "عقل" يسمح للطائرات باتخاذ القرارات في الوقت الفعلي. تحمل كل طائرة كمبيوتراً قوياً قادراً على معالجة الصور لفهم عمق العالم من حولها. وباستخدام نظام قائم على التعلم، تنظر الطائرة إلى أزواج من الصور من كاميراتها وتحسب مدى بعد الأشياء، مما ينشئ خريطة ثلاثية الأبعاد لمحيطها. تُستخدم هذه الخريطة بعد ذلك من قبل نظام تخطيط يحدد المسار الأكثر أماناً للأمام. والأهم من ذلك، أن الطائرات لا تتبع مجرد مسار مبرمج مسبقاً؛ بل تتواصل مع بعضها البعض لتجنب الاصطدامات. فإذا رأت إحدى الطائرات أخرى تقترب أكثر من اللازم، فإنها تعدل مسارها فوراً. اختبر الباحثون هذا النظام في سيناريوهين مختلفين. في الأول، أرسلوا ست طائرات إلى غرفة فارغة لمعرفة ما إذا كان بإمكانها الطيران في تشكيل ضيق دون الاصطدام ببعضها البعض. تبادلت الطائرات مواقعها وتحركت في دائرة كبيرة، وطارت لمدة ساعتين كاملتين دون حدوث تصادم واحد، رغم التأخيرات العرضية في اتصالاتها اللاسلكية. وفي الاختبار الثاني، قلصوا المجموعة إلى أربع طائرات وملأوا الغرفة بالعوائق. كان على هذه الطائرات استخدام كاميراتها المدمجة لرؤية الجدران والأثاث، وحساب مسافتها، والتنقل عبر الفوضى. لقد طاروا لمدة ثلاثين دقيقة، ونجحوا في تجنب كل من العوائق وبعضهم البعض.
تظهر النتائج أن النظام يعمل بشكل موثوق، لكن الباحثين حذرون في الإشارة إلى حدوده الحالية. فالطائرات تطير بشكل أفضل عندما تكون في غرفة يمكن تتبع موقعها بواسطة نظام كاميرا خارجي، والذي يعمل كدليل مثالي لموقعها. ولا يمكنها بعد الطيران بهذه الطريقة في بيئة خارجية تفتقر إلى نظام تحديد المواقع (GPS) دون ذلك المساعد الخارجي. علاوة على ذلك، يعتمد النظام بشكل كبير على معالج الرسوميات الخاص بالطائرة لحساب العمق، مما يستهلك معظم طاقة الكمبيوتر، ويترك مجالاً ضئيلاً للمهام المعقدة الأخرى في نفس الوقت. كما أن حساب العمق محدود الدقة، مما يعني أن الأجسام الصغيرة جداً والبعيدة قد تُفقد. وبالرغم من هذه القيود، تمثل المنصة خطوة كبيرة للأمام؛ فهي تثبت أن مجموعة من الروبوتات الصغيرة وبأسعار معقولة يمكن تجميعها وبرمجتها وتطييرها معاً بدرجة عالية من الاستقلالية. ومن خلال جعل الأجهزة والبرمجيات مفتوحة للجميع، يأمل الباحثون في إزالة الحواجز التي أبطأت التقدم في هذا المجال، مما يسمح للعلماء بالتركيز على حل المشكلات الأصعب المتمثلة في جعل هذه الأسراب مستقلة حقاً وجاهزة للعالم الحقيقي.
ملخص تقني: SwarmNxt
بيان المشكلة تمتلك أسراب الروبوتات الجوية إمكانات كبيرة لعمليات السلامة، والأمن، والبحث والإنقاذ الحرجة زمنياً، حيث توفر القدرة على مسح مواقع الكوارث ورسم خرائط للبيئات التي تفتقر إلى نظام تحديد المواقع العالمي (GPS) بشكل أسرç من الروبوتات الفردية. ومع ذلك، فإن تحقيق تشغيل كامل الاستقلالية للأسراب يعوقه عاملان أساسيان: الافتقار إلى الملاحة المستقلة القوية في البيئات غير المعروفة، وغياب المنصات البرمجية والعتادية المتاحة. فالطائرات بدون طيار التجارية الحالية إما مغلقة المصدر أو تفتقر إلى الموارد الحسابية اللاجة للطيران الجماعي الرشيق القائم على الرؤية. ومن ناحية أخرى، تواجه منصات الأبحاث مفتوحة المصدر مقايضة: فمنصات الدرونز النانوية (مثل Crazyflie) توفر أتمتة ممتازة ولكنها تفتقر إلى القدرة الحسابية والإدراك اللازم للملاحة المعقدة، بينما تعتمد منصات الأبحاث الأكثر قوة (مثل FLA، وFast 250، وStarling 2) غالباً على نظام ROS 1 (مما يحد من القدرة على التوسع)، وتفتقر إلى تعليمات بناء ذرية، أو لا توفر إطاراً موحداً للتنسيق على مستوى السرب وتقدير العمق في الوقت الفعلي. علاوة على على ذلك، فإن رفع نطاق التجارب من الروبوتات الفردية إلى الأسراب يؤدي إلى زيادة كبيرة في الأعباء الهندسية المتعلقة بنشر البرمجيات، والتكوين، والصيانة.
المنهجية يقدم المؤلفون SwarmNxt، وهو منصة برمجية وعتادية مفتوحة المصدر مصممة لخفض حواجز الدخول في أبحاث الأسراب. تم بناء الإطار بناءً على عتاد الطائرة OmniNxt مفتوح المصدر (المجهز بمعالج NVIDIA Orin NX ورؤية عين السمكة بزاوية 360 درجة) ويدمج خط معالجة شاملاً يمتد عبر أربع طبقات:
التجميع الفيزيائي: توفر المنصة قائمة مواد (BOM) مفصلة وتعليمات بناء "ذرية" مقترنة بدرس تعليمي فيديو، مما يمكن الباحثين من تجميع طائرة بدون طيار في حوالي خمس ساعات دون الحاجة لخبرة ميكانيكية متخصصة.
تنسيق البرمجيات: لإدارة اتساق الأسطول، يستخدم المؤلفون Ansible للنشر البرمجي المتوازي. ويتضمن ذلك ملفات تشغيل (playbooks) لـ:
الإعداد الفردي: تعيين أسماء مضيف فريدة وتحسين ملفات تعريف الطاقة.
النشر المتوازي: استنساخ وبناء حزم استقلالية ROS 2 عبر السرب بأكمله في وقت واحد، مع الاستفادة من خاصية "القدرة على إعادة التنفيذ" (idempotency) لتحديث الحزم المتغيرة فقط.
التحقق: إجراء فحوصات ما قبل الطيران لمزامنة الكاميرا والمحاذاة الزمنية، واسترجاع سجلات ما بعد الطيران للتحليل المركزي.
حزمة استقلالية ROS 2: يعمل نظام الملاحة الأساسي على بنية ROS 2 متعددة الوكلاء مع نطاقات شبكية معزولة (ROS Domain IDs) لمنع عواصف البث وحماية أوامر الطيران. تدمج الحزمة ما يلي:
تقدير العمق: تقوم شبكة S2M2 (نموذج مطابقة الستيريو القابل للتوسع) بمعالجة صور ستيريو مستقيمة من أربع كاميرات "عين سمكة" لتوليد خرائط عمق كثيفة.
رسم الخرائط والتخطيط: يستخدم مخطط الحركة اللامركزي عالي السرعة والمتزامن (HDSM) نظام تحديث إشغال قائم على الاحتمالية (log-likelihood) للتعامل مع بيانات العمق المشوشة وتصفية الطائرات الأخرى من الخريطة للتركيز على العوائق الثابتة.
التحكم: يتتبع متحكم تنبؤي نموذجي تكيفي (Adaptive MPC) المسارات بتردد 100 هرتز، مع تعويض انخفاض جهد البطارية عبر قانون تحكم تكاملي.
السلامة: تراقب عقدة السلامة (Safety Node) تباين مرشح كالمان الموسع (EKF) والسياج الجغرافي، مما يؤدي إلى تفعيل الهبوط إذا تجاوزت القيم العتبات المحددة.
المراقبة: يوفر لوحة تحكم موحدة وتكامل مع Foxglove للقياس عن بعد والتصور في الوقت الفعلي.
المساهمات الرئيسية تحدد الورقة أربع مساهمات رئيسية:
خط إنتاج عتادي شامل يتميز بتعليمات بناء ذرية ودروس فيديو لتقليل أعباء التجميع.
مجموعة من سكربتات الأتمتة (Ansible playbooks) للتكوين البرمجي المتوازي وتحديثات السرب بالكامل.
إطار عمل ROS 2 قابل للتوسع يدمج خوارزميات متطورة للتحكم (Adaptive MPC)، والتخطيط (HDSM)، وتقدير العمق القائم على الرؤية (S2M2)، والمكيف للعمليات الفيزيائية متعددة الوكلاء.
التحقق التجريبي من المنصة في سيناريوهات العالم الحقيقي.
النتائج التجريبية تحقق المؤلفون من صحة SwarmNxt من خلال تجربتين داخليتين في ساحة حركة ذات أبعاد 8×8×4 متر مزودة بنظام التقاط الحركة:
سرب من ست طائرات (بيئة حرة): قامت الطائرات بالتخطيط اللامركزي مع تجنب التصادم عالي السرعة بين الطائرات، بما في ذلك تبادل المواقع والتحرك المستمر. على مدار ~2 ساعة من الطيران، لم تحدث أي تصادمات رغم تأخير الاتصال وفقدان الحزم. حافظ النظام على متوسط خطأ تتبع قدره ~0.077 م.
سرب من أربع طائرات (بيئة بها عوائق): نفذت الطائرات طيراناً جماعياً مع تقدير العمق على متنها في بيئة تحتوي على عوائق ثابتة. على مدار 30 دقيقة من الطيران، لم يتم تسجيل أي تصادم مع العوائق أو الوكلاء الآخرين. استخدمت حزمة الاستقلالية 95% من وحدة معالجة الرسومات (GPU) و54% من وحدة المعالجة المركزية (CPU)، مع تشغيل وحدة العمق بتردد ~7 هرتز.
أشارت المقاييس الكمية إلى أن رسم الخرائط والتخطيط استوفى ميزانية الـ 100 مللي ثانية حتى في أسوأ السيناريوهات. أظهر الـ Adaptive MPC تجاوزاً في أسوأ الحالات قدره 40.4 مللي ثانية (مقابل هدف 10 مللي ثانية)، لكن النظام ظل مستقراً بسبب تغطية نصف قطر الأمان الخاص بالمخطط لخطأ التتبع الناتج.
الأهمية والقيود تدعي الورقة أن SwarmNxt توفر "حلاً جاهزاً للاستخدام" يبسط الانتقال من تجميع العتاد إلى النشر متعدد الروبوتات، مما يعالج الفجوة بين سهولة النشر والقدرات البحثية. إنها تقدم بنية تحتية بحثية مفتوحة لتجارب الأسرام الفيزيائية، مما يتيح البحث التكراري في التحكم، والتخطيط، وSLAM، وتقدير العمق.
يشير المؤلفون بتواضع إلى القيود الحالية: حيث يقتصر خط معالجة تقدير العمق S2M2 على دقة محدودة من أجل الكفاءة الحسابية، مما يجعل اكتشاف الأجسام الصغيرة البعيدة صعباً؛ كما تتطلب الطريقة وصولاً شبه حصري إلى وحدة معالجة الرسومات (GPU)، مما يعيق التنفيذ المتزامن لوحدات الإدراك الأخرى؛ ويعتمد النظام حالياً على التقاط الحركة الخارجي، حيث أن حلول الملاحة البصرية-القصورية التعاونية لا تلبي بعد معايير الدقة وزمن الاستجابة المطلوبة للطيران الرشيق للأسراب. يهدف هذا العمل إلى أن يكون أساساً للأبحاث المستقبلية في تقدير العمق القوي، والتوطين النسبي اللامركزي، والنشر المستقل تماماً في الهواء الطلق.