An Autonomous Spraying Robot for Sheep Houses: Hierarchical Navigation, Speed-Dependent Flow Control, and Multi-Stage Evaluation
تقدم هذه الدراسة روبوتاً ذاتي القيادة يعمل بالمسارات مخصصاً لبيوت الأغنام، يدمج نظام ملاحة هرمي يعتمد على نظام تشغيل الروبوت (ROS) مع تحكم في التدفق يعتمد على السرعة، مما أظهر دقة عالية في رسم الخرائط، وتغطية هندسية شبه مثالية، وقدرة قوية على التعامل مع العوائق في كل من عمليات المحاكاة والاختبارات الميدانية الواقعية.
داخل الممرات الضيقة والمتربة لحظيرة الأغنام، يثقل الهواء بتحديات الزراعة الحديثة. فغالباً ما تكون الأرضية غير مستوية أو مكونة من شرائح، والجدران مصطفة بأقفاص متكررة تبدو متطابقة تقريباً كعين الآلة، كما أن المساحة تشاركها باستمرار حيوانات متحركة يمكنها سد المسار فجأة. لعقود من الزمن، اعتمد الحفاظ على نظافة هذه البيئات على عمال بشريين يتجولون بمرشات، وهي مهمة تكرارية، تعرضهم لمواد كيميائية قاسية، وتؤدي غالباً إلى تغطية غير متساوية لأن لا شخصين يسيران بنفس السرعة أو الزاوية تماماً. ولحل هذه المشكلة، اتجه المهندسون إلى الروبوتات، لكن بناء روبوت يمكنه التنقل في مثل هذا الفضاء الضيق والفوضوي أصعب بكثير من توجيه مكنسة كهربائية عبر غرفة معيشة. ويكمن التحدي الجوهري في منح الآلة حساً موثوقاً بمكان وجودها، وطريقة لتخطيط مسار يغطي كل بوصة دون أن يعلق، والقدرة على ضبط عملية الرش فوراً مع تسارعها أو تباطؤها.
قام فريق من الباحثين في جامعة هنان الزراعية وجامعة تشنغتشو العادية بتطوير روبوت متخصص صُمم خصياً لهذه الظروف. فقد صنعوا مركبة صغيرة تسير على مسارات (جنزير) تتحرك مثل الدبابة، مما يسمح لها بالدوران في مكانها والتعامل مع الأرض غير المستوية بشكل أفضل مما يمكن للعجلات فعله. هذه الآلة مجهزة بماسح ليزر يعمل كعيونها، ومستشعر قصور ذاتي ليشعر بحركتها، وعقل كمبيوتر يدير نظام ملاحة متطور. لم يكتفِ الباحثون ببناء الأجهزة فحسب؛ بل ابتكروا نظام برمجيات ثلاثي الطبقات يعمل معاً لتوجيه الروبوت. تحدد الطبقة الأولى المناطق التي تحتاج إلى التنظيف، وترسم الطبقة الثانية مساراً سلساً وآمناً بين تلك المناطق، بينما تتفاعل الطبقة الثالثة فورياً مع العوائق، مثل خطوة غنم في الممر، عن طريق الإبطاء أو الالتفاف حولها. ومن الأهمية بمكان أن يربط النظام سرعة الروبوت مباشرة بتدفق السائل من مضخته، مما يضمن أنه سواء كان الروبوت يتحرك ببطء أو بسرعة، فإن كمية المطهر التي تصيب الأرض تظل ثابتة.
لاختبار ما إذا كان هذا النظام يعمل بالفعل، أجرى الفريق أولاً آلاف عمليات المحاكاة في حظيرة أغنام افتراضية. ووجدوا أنه من خلال ضبط كيفية معالجة الروبوت لعمليات مسح الليزر بعناقة، يمكنه بناء خريطة دقيقة للغاية للبيئة، مطابقة التصميم الحقيقي بدقة تقتر reaches 97 بالمائة. وعندما وُضع الروبوت في بيئة محاكاة تحتوي على عوائق متحركة، نجح نظام الملاحة المشترك في إكمال كل جولة اختبار بنجاح دون الاصطدام، في حين أن الأنظمة الأبسط غالباً ما كانت تتعثر أو تفشل في إيجاد طريق للالتفاف حولها. ثم انتقل الباحثون إلى نموذج فيزيائي لحظيرة أغنام، وهي منطقة اختبار واقعية ذات ممرات وجدران فاصلة ضيقة. وهنا، أظهر الروبوت قدرته على اتباع مسار معقد، متجنباً العوائق الثابتة ومنتظراً بصبر العوائق المتحركة حتى تخلو الطريق. وفي خمس جولات منفصلة، غطى الروبوت 99.8 بالمائة من مساحة الأرضية المستهدفة، تاركاً خلفه فراغات ضئيلة جداً وتداخلاً طفيفاً في مساره، وهو تحسن ملحوظ مقارنة بأنماط الذهاب والإياب القياسية.
ومع ذلك، كان الاختبار الأكثر حرجاً هو ما إذا كان بإمكان الروبوت الرش بشكل صحيح أثناء الحركة. قام الباحثون بملء خزان الروبوت بماء نظيف وشغلوه بثلاث سرعات مختلفة: 0.08، و0.11، و0.14 متر في الثانية. ومع تسارع الروبوت، زاد حاسوبه تلقائياً من إنتاج المضخة للتعويض عن الحركة الأسرع. وأظهرت النتائج أن التحكم المرتبط بالسرعة قد عمل بشكل مثالي؛ فبالرغم من تحرك الروبوت بواتير مختلفة، ظلت كمية الماء المترسبة على الأرض ثابتة عند حوالي 0.20 لتر لكل متر مربع عبر جميع السرعات. كما كان نمط الرش منتظماً بشكل ملحوظ، مع تباين ضئيل جداً من جانب الرش إلى الآخر. وقد أثبت هذا أن الروبوت يمكنه الحفاظ على جرعة تنظيف ثابتة دون الحاجة إلى تدخل بشري لضبط التدفق يدوياً أو إيقاف وتشغيل الآلة.
أخيراً، أخذ الفريق الروبوت إلى حظيرة أغنام حقيقية ومأهولة ليروا كيف سيتعامل مع الحيوانات الحية. وعلى مدار خمس دورات عمل تحت الإشراف، تنقل الروبوت عبر الممرات حيث تواجدت الأغنام. وقد تعامل بنجاح مع 55 حالة من أصل 56 حالة اعترض فيها حيوان مساره، حيث توقف تلقائياً أو انتظر حتى خلت الطريق قبل مواصلة المسير. حافظ الروبوت على موضعه بدقة عالية، متتبعاً مساره بخطأ يقل عن أربعة سنتيمترات، وظل متصلاً بخريطته بنسبة تقارب 100 بالمائة من الوقت. وبينما لم تقيس الدراسة ما إذا كان الروبوت قد قتل البكتيريا فعلياً أو كيف تفاعلت الأغنام مع وجوده، إلا أن النتائج أكدت أن الآلة قادرة ميكانيكياً وحوسبياً على أداء المهمة. وخلص الباحثون إلى أن هذا النظام المتكامل من الملاحة، وتجنب العوائق، والرش المتحكم فيه بالسرعة، يعد حلاً هندسياً قابلاً للتطبيق في البيئة الصعبة لحظيرة الأغنام، مما يوفر طريقة قابلة للتكرار لأتمتة مهمة لطالما تم تنفيذها يدوياً.
ملخص تقني: روبوت رش ذاتي القيادة لمزارع الأغنام
بيان المشكلة تواجه عملية الرش ذاتية القيادة في مزارع الأغنام قيوداً بيئية فريدة تتحدى الروبوتات المتنقلة القياسية. وتشمل هذه القيود الممرات الضيقة، والهندسات المتكررة للحظائر، والأرضيات غير المستوية أو المخططة، وتراكم الغبار، والانسداد الجزئي للمستشعرات، ووجود حيوانات متحركة. تؤدي هذه العوامل إلى إضعاف قياسات "ليدار" (LiDAR)، وزيادة خطأ التقدير الملاحي (odometric drift)، والتسبب في انسدادات مؤقتة للمسارات المخططة. علاوة على ذلك، غالباً ما يؤدي الرش اليدوي إلى تغطية هندسية متغيرة بسبب عدم اتساق سرعة المشغل وطريقة التعامل مع الفوهة. تعتمد الحلول الروبوتية الحالية لتطهير الماشية غالباً على الأشرطة المغناطيسية، أو التوجيه عبر تقنية تحديد الهوية بموجات الراديو (RFID)، أو الأشعة فوق البنفسجية، والتي قد لا تعالج متطلبات الملاحة وتجنب العوائق الديناميكية في الممرات الضيقة التي تضم حيوانات حية. هناك نقص في الأنظمة المتكاملة التي تنسق بين رسم الخرائط، والملاحة الهرمية، والتحكم في الرش المعتمد على السرعة خصيصاً لهذه البيئة.
المنهجية طورت الدراسة منصة رش متنقلة تعمل بالمسارات (tracked) مقترنة بإطار عمل ملاحي ثلاثي المستويات يعتمد على نظام تشغيل الروبوت (ROS).
المنصة العتادية (Hardware): يستخدم الروبوت هيكلاً مختلف المسارات (differential tracked chassis) مدفوعاً بمحركات تيار مستمر بدون فرش (brushless DC motors) مع تغذية راجعة من أجهزة الترميز (encoder feedback)، مما يسمح بالدوران حول المحور بنصف قطر صفر. وهو مجهز بمستشعر ليدار ثنائي الأبعاد من طراز SICK TiM781 (مثبت على ارتفاع 0.32 متر)، ووحدة قياس القصور الذاتي (IMU) من طراز BMI088، ووحدة رش تتكون من مضخة كهربائية وفوهة مسطحة (flat-fan nozzle). يعمل النظام على لوحة Jetson Xavier NX مع نظام Ubuntu 20.04 وROS Noetic.
بنية البرمجيات: يستخدم النظام سير عمل هرمي:
رسم الخرائط: يُستخدم خوارزم GMapping (الذي يعتمد على مرشح الجسيمات ذو الحسابات السوداء - GMapping) لبناء خرائط الإشغال. وتعمل آلية بوابات الثقة في المسح على تصفية عينات الليدار بناءً على نسب العودة الصالحة للتعامل مع الغبار والانسداد.
التحديد الموضعي (Localization): يستخدم خوارزم التوطين بنظام مونت كارلو التكيفي (AMCL) لتقدير وضعية الروبوت على الخريطة المبنية مسبقاً، باستخدام أخذ عينات KLD وحقن الجسيمات العشوائية للتعافي من اضطرابات الوضعية.
الملاحة: يقوم نظام تخطيط ثلاثي المستويات بالتنسيق بين:
مستوى المهمة: مخطط تغطية مستوحى من الطبيعة (bio-inspired) يستخدم نموذج شبكة عصبية انزياحية محدودة (bounded shunting neural network) لاختيار خلايا التغطية.
المستوى العالمي: خوارزم A* يولد مسارات بين نقاط الطريق، ويتم تنعيمها باستخدام منحنيات B-spline لتقليل التغيرات المفاجئة في الاتجاه.
المستوى المحلي: تستخدم طريقة النافذة الديناميكية (DWA) للتعامل مع تجنب العوائق في الوقت الفعلي وتوليد أوامر السرعة.
التحكم في الرش: قاعدة تحكم في التدفق تعتمد على السرعة (Qr=60qa∗Wev) تربط سرعة الأرضية للروبوت بأوامر المضخة للحفاظ على معدل تطبيق مساحي اسمي ثابت، محكوم بحدود العتاد.
المساهمات الرئيسية تقدم الورقة ثلاث مساهمات هندسية محددة مصممة لبيئة مزارع الأغنام:
الإدراك والحركة القوية: دمج منصة مسارات محمية من الغبار مع بوابات جودة المسح، وتحديد المواقع الواعي بالموارد، والتعافي من الوضعية القائم على الخريطة للعمل في الممرات الضيقة والمغلقة جزئياً.
تكامل سير العمل: واجهات صريحة تربط بين اختيار خلايا التغطية، وتوجيه A* المنعم بـ B-spline، وتجنب العوائق عبر DWA، واستعادة المسار، مما يحول وحدات الملاحة المنفصلة إلى سير عمل مستمر لمهمة داخل حظيرة الماشية.
التوصيل المعتمد على السرعة: ربط سرعة الأرضية بقاعدة تدفق مدركة لحالة التشبع، والتي تم التحقق من صحتها من خلال اختبارات الماء النظيف المنظمة ودورات ميدانية، مما يضمن ترسيبًا متسقًا رغم تغيرات السرعة.
النتائج التجريبية تم تقييم النظام من خلال المحاكاة، والنماذج الفيزيائية التجريبية، والتجارب الميدانية الخاضعة للإشراف:
رسم الخرائط والتحديد الموضعي: في 15 محاكاة متكررة، حقق تكوين GMapping المختار نسبة تقاطع فوق الاتحاد (IoU) للخريطة بلغت %96.8 ± 0.8 وقلص وقت رسم الخرائط إلى 738 ± 29 ثانية. كما أسفرت عشر تجارب AMCL عن خطأ جذر متوسط المربع (RMSE) في التحديد الموضعي بلغ 0.0299 ± 0.0026 متر.
تخطيط المسار وتجنب العوائق: في 80 تجربة محاكاة مع عوائق ديناميكية، حقق تكوين A*-DWA المتكامل نسبة نجاح بلغت %100، متفوقاً على A* النقي (82.5%) وDWA النقي (96.3%). وفي اختبارات النموذج الفيزيائي مع 20 حدث عائق مهيكل، حقق النظام معدل نجاح تلقائي بنسبة %95.0 دون أي اصطدامات.
أداء التغطية: في خمس جولات من النماذج الفيزريبية، حققت الاستراتيجية المستوحاة من الطبيعة تغطية هندسية بنسبة %99.80 ± 0.16 مع تغطية متكررة بنسبة %4.20 ± 0.16 فقط، متفوقة على النماذج المرجعية مثل "boustrophedon" والحلزوني.
أداء الرش: عبر 15 جولة للماء النظيف عند سرعات 0.08، 0.11، و0.14 م/ث، حافظ النظام على متوسط معدل ترسيب يقارب 0.20 لتر/م² (تراوح بين 0.1985–0.2008 لتر/م²) مع معاملات تباين عرضي بين %5.20 و%5.37. زاد التدفق الفعلي خطياً مع السرعة، مما يؤكد منطق التحكم.
الانتشار الميداني: في خمس دورات تحت الإشراف في حظيرة أغنام مأهولة، حقق الروبوت استمرارية في التحديد الموضعي بنسبة %99.62 ± 0.23 وخطأ RMSE في تتبع المسار بلغ 0.0376 ± 0.0031 م. كما تعامل تلقائياً مع 55 من أصل 56 حدث انسداد متعلق بالحيوانات دون وقوع اصطدام.
الأهمية والنطاق تدعي الورقة أنها توفر مرجعاً هندسياً قابلاً للقياس ومخصصاً لسيناريوهات معينة للروبوتات التي ترش ببطء في المرافق الحيوانية الضيقة. وهي تثبت جدوى التكامل بين الملاحة وتدفق السوائل الهيدروليكية ضمن ظروف الاختبار المذكورة.
يحدد المؤلفون بوضوح حدود ادعاءاتهم:
درست الدراسة التغطية المسارية الهندسية وترسيب السوائل، ولكن لم يتم تقييم الفعالية الميكروبيولوجية (تقليل التطهير) أو آثار رفاهية الحيوان.
تمثل النتائج الميدانية عمليات خاضعة للإشراف؛ أما الموثوقية غير المراقبة والتشغيل التجاري طويل الأمد فتظل خارج النطاق.
تعتمد بيانات تجنب العوائق على أحداث ديناميكية مهيكلة ومنظمة، وليس على حركة الماشية غير المقيدة.
يتم تقديم العمل كبيانات تكامل على مستوى النظام والتحقق منها، بدلاً من كونه خوارزمية SLAM أو تخطيط جديدة ومستقلة. إنه يقدم إطار عمل قابلاً لإعادة الإنتاج لتنسيق الإدراك، والملاحة، وتنفيذ المهام في البيئات الزراعية المعقدة.