Skeleton-Guided Multi-OBB Decomposition for Vision-based Online Collision Detection of Robotic Manipulators in Unknown Environments
تقترح هذه الورقة طريقة التفكيك متعدد الصناديق المحيطة الموجه بالهيكل (SG-MOBD) التي تستفيد من تقسيم RGB-D والتقسيم المعتمد على الهيكل باستخدام خوارزمية "watershed" لتوليد صناديق محيطة ضيقة للعوائق غير المعروفة، مما يقلل بشكل كبير من الإنذارات الكاذبة وزمن التأخير الحسابي في الكشف عن التصادم الروبوتي عبر الإنترنت مقارنة بالأحجام المحيطة المحدبة التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
أصبحت الروبوتات شريكاً شائعاً في المصانع والمستودعات وحتى المنازل، حيث تعمل جنباً إلى جنب مع البشر لتجميع السيارات، أو فرز الطرود، أو نقل الأثاث. ولكي تعمل هذه الآلات بأمان، يجب أن تمتلك حساً موثوقاً بمحيطها، بحيث تعرف بدقة مكان أذرعها وأماكن الأشياء المحيطة بها. فإذا لم يستطع الروبوت إدراك وجود كرسي أو طاولة بدقة، فقد يفترض أن المسار الآمن خالٍ بينما هو في الواقع مسدود، مما يؤدي إلى اصطدام. ويعد هذا التحدي صعباً بشكل خاص عندما تكون البيئة غير منظمة ومليئة بالأشكال المعقدة، مثل مقعد (stool) يتكون من أرجل ومقعد، أو رف يحتوي على مساحات مفتوحة. غالباً ما تعامل الطرق التقليدية هذه الأشياء ككتل صلبة بسيطة للحفاظ على سرعة الحسابات، لكن هذا النهج يخلق "فقاعة سلامة" كبيرة جداً، مما يتسبب في توقف الروبوت دون داعٍ، أو الأسوأ من ذلك، تجاهل خطر حقيقي. والهدف الذي يسعى إليه المهندسون هو إنشاء نظام يرى العالم كما هو حقاً—معقداً ومفصلاً—مع الاستمرار في اتخاذ القرارات بسرعة كافية لإبقاء الروبوت متحركاً بأمان.
لقد طور فريق من الباحثين في جامعة هينان نهجاً جديداً لحل هذه المشكلة، حيث ابتكروا نظاماً يسمح للذراع الروبوتية بالكشف عن الاصطدامات في الوقت الفعلي داخل بيئات غير معروفة. يعتمد أسلوبهم، الذي أطلقوا عليه اسم "التفكيك متعدد الصناديق المحيطة (OBB) الموجه بالهيكل"، أولاً على استخدام كاميرا قياسية تلتقط معلومات الألوان والعمق معاً، تماماً مثل المستشعرات الموجودة في الهواتف الذكية أو أجهزة الألعاب الحديثة. وبدلاً من محاولة بناء نموذج ثلاثي الأبعاد مثالي لكل جسم مسبقاً، وهو أمر مستحيل في بيئة ديناميكية، يستخدم النظام ذكاءً اصطناعياً متطوراً لتحديد الأشياء فور ظهورها. وبمجرد رصد الجسم، لا يقوم النظام بمجرد رسم صندوق واحد حوله، بل يحلل البنية الداخلية للجسم، باحثاً عن "الهيكل" أو الإطار الجوهري الذي يحافظ على الشكل، تماماً كما يحدد الهيكل العظمي للإنسان وضعية الجسم.
من خلال فهم هذا الإطار الداخلي، يمكن للنظام أن يفكك جسماً معقداً، مثل كرسي ذي مقعد مجوف وأرجل منفصلة، إلى عدة أقسام أصغر وأكثر دقة. ثم يتم تغليف كل قسم بصندوق خاص به ومائل بدقة. ويمثل هذا تحولاً كبيراً عن الأساليب القديمة التي كانت تغلف الكرسي بأكمله في صندوق واحد كبير، مما يتضمن حتماً المساحة الفارغة بين الأرجل والمقعد وكأنها مادة صلبة. ومن خلال فصل الأجزاء، يمكن للروبوت أن يرى أن المساحة بين الأرجل فارغة وآمنة للتحرك من خلالها، وليست جداراً صلباً. وهذا يقلل من الإنذارات الكاذبة حيث يعتقد الروبوت أنه على وشك الاصطدام بشيء ما بينما هو ليس كذلك. ولضمان حدوث هذه العملية بسرعة كافية لروبوت متحرك، أضاف الباحثون خطوة تصفية تعمل كفحص سريع؛ فقبل إجراء عملية حسابية مفصلة ومعقدة لمعرفة ما إذا كان جسمان يتلامسان، يتحقق النظام أولاً مما إذا كانت المناطق العامة التي يوجد فيها الجسمان قريبة بما يكفي لتكون ذات أهمية. وإذا كانت بعيدة عن بعضها، يتخطى النظام العمليات الحسابية الثقيلة تماماً، مما يوفر وقتاً ثميناً.
اختبر الباحثون نظامهم على ذراع روبوت صناعي حقيقي سداسي المحاور في بيئة مختبرية مليئة بأثاث مكتبي نموذجي، بما في ذلك المقاعد والكراسي ورفوف التخزين. وقارنوا نهجهم الجديد بعدة تقنيات قائمة تستخدم صناديق مفردة أو أشكالاً بسيطة لتمثيل العوائق. وأظهرت النتائج أن نهجهم كان أكثر دقة بكثير في التمييز بين المساحات الآمنة والعوائق الفعلية. وبينما كانت الأساليب الأخرى غالباً ما تصنف المساحات الفارغة كأخطار، مما أدى إلى معدل عالٍ من الإنذارات الكاذبة، نجح النظام الجديد في تحديد المسارات الآمنة في 83.33% من الحالات الاختبارية التي لم يكن يحدث فيها اصطدام فعلي. والأهم من ذلك، حافظ النظام على سلامة مثالية، حيث لم يخطئ أبداً في رصد اصطدام حقيقي، مما يضمن توقف الروبوت إذا كان على وشك الاصطدام فعلياً. وقد استغرقت العملية بأكملها، من رؤية الجسم إلى اتخاذ قرار التوقف، أقل من ميلي ثانية واحدة لكل إطار، وهي سرعة كافية لمواكبة الحركات السريعة للروبوت الصناعي.
كما كشفت الدراسة أن النظام قوي حتى عندما يكون شكل الجسم معقداً أو عندما تكون البيانات الواردة من الكاميرا غير مثالية. فعندما اختبر الباحثون طرقاً مختلفة لتفكيك الأجسام، وجدوا أن استخدام الهيكل البنيوي الداخلي كان متفوقاً بمراحل على الأساليب التي تجمع النقاط ببساً بناءً على مدى قربها من بعضها البعض. فالأساليب التي تعتمد فقط على المسافة غالباً ما تدمج أجزاء منفصلة من الجسم معاً أو تقسم جزءاً واحداً إلى قطع كثيرة جداً، مما يؤدي إلى الارتباك. ومع ذلك، فإن النهج الموجه بالهيكل أنتج باستمرار العدد الصحيح من الأقسام، بما يطابق الأجزاء الطبيعية للجسم مثل الأرجل والمقاعد. علاوة على ذلك، وجد الباحثون أن سرعة النظام لم تتباطأ بشكل ملحو-ظور حتى عندما تم تفكيك الأجسام إلى قطع صغيرة كثيرة، لأن خطوة التصفية الأولية تجاهلت بفعالية الأجزاء البعيدة. وهذا يشير إلى أن الطريقة ليست دقيقة فحسب، بل هي عملية أيضاً للتطبيق في العالم الحقيقي، حيث تكون البيئات فوضوية وغير متوقعة.
وعلى الرغم من أن النظام قدم أداءً استثنائياً في الاختبارات، فقد لاحظ الباحثون أن سرعة العملية برمتها محدودة حالياً بخطوة الإدراك البصري، والتي تستغرق جزءاً من الثانية لتحديد وتجزئة الأجسام. أما جزء اكتشاف الاصطدام الفعلي فهو سريع للغاية، حيث يستغرق أقل من ميلي ثانية. وهذا يعني أنه إذا أصبح الجزء البصري من النظام أسرع في المستقبل، فقد يصبح النظام بأكره أكثر استجابة. يوضح هذا العمل أنه من خلال الجمع بين الذكاء البصري الحديث وطريقة ذكية لتفكيك الأشكال المعقدة، يمكن للروبوتات التنقل في المساحات غير المعروفة بمستوى من السلامة والكفاءة كان من الصعب تحقيقه سابقاً. ويقربنا هذا التقدم من مستقبل يمكن فيه للروبوتات العمل بحرية وأمان جنباً إلى جنب مع البشر في بيئات ديناميكية وغير منظمة، والقيام بمهام تتطلب فهماً دقيقاً للعالم المادي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.