Belief-Adaptive Online Autonomy for Quadrotor UAV Navigation under GNSS Degradation in Urban Environments
تقدم هذه الورقة إطار عمل للاستقلالية عبر الإنترنت متكيف مع الاعتقاد، يعزز ملاحة الطائرات بدون طيار رباعية المراوح في البيئات الحضرية التي تعاني من تدهور نظام الملاحة العالمي عبر الأقمار الصناعية (GNSS)، وذلك من خلال نمذجة الثقة في نظام (GNSS) كحالة كامنة لتعديل وزن المستشعرات استباقياً ومعالجة زمن التأخير، مما يؤدي إلى تحسين دقة التقدير وسلاسة المسار دون الحاجة إلى معرفة مسبقة بالبيئة.
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
تعد عملية طيران طائرة بدون طيار (درون) صغيرة عبر مدينة كثيفة مسألة ملاحة بالغة الصعوبة. فخلافاً للحقول المفتوحة حيث يمكن للطائرة الاعتماد على إشارات الأقمار الصناعية التي تدور في مدارات فوق الرأس لمعرفة موقعها بدقة، فإن "أخدود المدينة" هو مكان يملؤه الارتباك. فالمباني الشاهقة تحجب خط الرؤية المباشر للسماء، والأسطح الصلبة من الخرسانة والزجاج تعكس إشارات تلك الأقمار الصناعية، مما يخلق أصداء تصل متأخرة ومشوهة. وبالنسبة لحاسوب الطائرة، تبدو هذه الانعكاسات كأنها مواقع خاطئة، مما يجعل الآلة تظن أنها في مكان غير الذي هي فيه حقاً. وعندما تحاول الطائرة تصحيح مسارها بناءً على هذه المعلومات السيئة، فقد تنحرف عن مسارها المقصود، أو والأسوأ من ذلك، قد تصطدم بعائق ظنت أنها تجنبته. ولكي تعمل هذه الآلات بأمان في مستقبل النقل الجوي الحضري، فإنها تحتاج إلى وسيلة لتثق في مستشعراتها فقط عندما تكون صحيحة، وتتجاهلها عندما تكذب عليها البيئة المحيطة.
لقد طور باحثون في جامعة كرانفيلد طريقة جديدة لمساعدة الطائر بدون طيار على الملاحة في هذه الظروف المعقدة دون الحاجة للتعلم من سنوات من بيانات الطيران السابقة. ويركز نهجهم على نوع محدد من الذكاء: القدرة على الحكم على موثوقية المستشعر في الوقت الفعلي. في أنظمة الملاحة القياسية، تدمج الطائرة البيانات من مستشعرات الحركة الداخلية الخاصة بها، والتي تتبع الحركة بسرعة كبيرة، مع بيانات نظام الأقمة الصناعية، الذي يوفر موقعاً عالمياً ولكنه قد يكون بطيئاً ومعرضاً للخطأ في المدن. وعادة ما يعامل الحاسوب كلا المصدرين على أنهما موثوقان بنفس القدر، أو يعدل ثقته فقط بعد وقوع الخطأ بالفعل. ويغير هذا الإطار الجديد الأمر من خلال منح الطائرة "اعتقاداً" حول مدى وجوب ثقتها في إشارة القمر الصناعي في أي لحظة معينة. وهذا الاعتقاد ليس إعداداً ثابتاً؛ بل هو تقدير حي تقوم الطائرة بتحديثه باستمرار أثناء طيرانها، مما يسمح لها بتجاهل البيانات السيئة استباقياً قبل أن تتسبب في مشكلة.
إن جوهر هذا العمل هو نظام يعامل موثوقية إشارة القمر الصناعي كـ "حالة خفية"، تماماً مثل السائق الذي يشعر بحدسه بأن خريطة الطريق أصبحت غير موثوقة عند دخوله نفقاً. لقد أنشأ الباحثون نموذجاً رياضياً يتم فيه تمثيل هذا "الاعتقاد" برقم واحد يتغير بمرور الوقت. وعندما تكتشف الطائرة أن بيانات القمر الصناعي تتصرف بشكل غريب — ربما بسبب ارتداد الإشارة عن مبنى أو وصولها متأخرة — فإن النظام لا ينتظر حتى يصبح الخطأ كبيراً فحسب. بدلاً من ذلك، يستخدم قاعدة تعلم متطورة لتعديل ثقته فوراً. تنظر هذه القاعدة إلى كيفية تغير الخطأ، وليس فقط حجم الخطأ نفسه. ومن خلال تحليل شكل الخطأ، يمكن للنظام معرفة ما إذا كانت الإشارة من المرجح أن تسوء أم أنها مجرد خلل مؤقت، ويقوم بتعديل ملاحة الطائرة وفقاً لذلك. وهذا يسم يتيح للطائرة الاعتماد بشكل أكبر على مستشعرات الحركة الداخلية الخاصة بها عندما تكون السماء محجوبة، والعودة إلى إشارة القمر الصناعي بمجرد وضوح الرؤية، وكل ذلك دون التوقف لإعادة حساب خطة طيرانها بالكامل.
ولاختبار مدى نجاح هذه الفكرة، أجرى الفريق آلاف عمليات المحاكاة الحاسوبية لطائرة بدون طيار تطير عبر مدينة افتراضية مليئة بالعوائق المستطيلة الشاهقة. وقد برمجوا المحاكاة لتمثيل فيزياء العالم الحقيقي لحجب الإشارات والطريقة المحددة التي ترتد بها إشارات الأقمار الصناعية عن المباني، مما يخلق أخطاء تتغير بمرور الوقت وتعتمد على موقع الطائرة. كما أدخلوا تأخيرات زمنية، لمحاكاة البطء الذي يحدث عندما يستغرق حاسوب الطائرة لحظة لمعالجة الإشارة. وفي هذه الاختبارات، قارنوا نظامهم القائم على "الاعتقاد المتكيف" بالأساليب القديمة. فالأساليب القديمة، التي تكتفي بمجرد الاستجابة للأخطاء بعد وقوعها، غالباً ما أدت إلى انحراف الطائرة عن مسارها أو اتباع مسار متعرج وغير مستقر. ومع ذلك، حافظ النظام الجديد على بقاء الطائرة قريبة جداً من مسارها المقصود. وأظهرت الطائرة التي تستخدم الطريقة الجديدة انحرافاً أقل بكثير عن مسارها المخطط له وحافظت على طيران أكثر سلاسة واستقراراً، حتى عندما كانت إشارات الأقمار الصناعية فاسدة بشدة بسبب البيئة الحضرية.
كانت نتائج هذه المحاكاة واضحة ومتسقة. فقد قلل النهج الجديد من الأخطاء في تقدير موقع الطائرة بنحو 80% مقارنة بالأساليب القياسية التي لا تتكيف مع الظروف المتغيرة. كما خفض الأخطاء في تتبع مسار الطيران بنسبة 30%. ولم يأتِ هذا التحسن من إضافة المزيد من المستشعرات أو جعل الطائرة أثقل وزناً، بل من طريقة أذكى في معالجة المعلومات التي تمتلكها بالفعل. فقد نجح النظام في الحفاظ على دقة الخريطة الداخلية للطائرة للعالم من خلال معرفة متى تثق في القمر الصناعي ومتى تشك فيه بدقة. والأهم من ذلك، أن هذه الطريقة لا تتطلب تدريب الطائرة على مخططات مدن محددة مسبقاً؛ فهي تتعلم أثناء الطيران، مما يجعلها مناسبة لأي بيئة حضرية دون الحاجة إلى برمجة مسبقة مكثفة أو تدريب خارج الخط.
يشير هذا العمل إلى أن المفتاح للطيران الحضري الآمن يكمكم في منح الآلات القدرة على التشكيك في بياناتها الخاصة. فمن خلال نمذجة موثوقية المستشعر باعتبارها اعتقاداً ديناميكياً يتطور مع البيئة، نجح الباحثون في إنشاء نظام ملاحة يتسم بالمتانة والكفاءة. ويتناسب هذا الإطار مع أنظمة التحكم في الطيران الموجودة دون الحاجة إلى تغيير شامل في الأجهزة أو البرامج، مما يعني إمكانية دمجه في تكنولوجيا الطائرات بدون طيار الحالية بسهولة نسبية. وبينما تستند هذه النتائج حالياً إلى عمليات المحاكاة الحاسوبية، إلا أنها توفر أساساً قوياً للاختبارات الواقعية المستقبلية. وإذا صمدت هذه النتائج في تجارب الطيران الفعلية، فقد تكون هذه الطريقة خطوة حيوية نحو تمكين التشغيل الذاتي والموثوق للطائرات بدون طيار في المجال الجوي المعقد وغير المتوقع لمدننا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.