BOP-Distrib++: Local Symmetry Discovery for 6D Pose Benchmarking Under Visual Ambiguities

تعتمد الروبوتات وأنظمة الواقع المعزز على قدرة أساسية: معرفة مكان الكائن بدقة في الفضاء وكيفية اتجاهه. وتتضمن هذه المهمة، المعروفة باسم تقدير الوضعية سداسية الأبعاد (six-dimensional pose estimation)، حساب موقع الكائن ثلاثي الأبعاد واتجاهه ثلاثي الأبعاد بالنسبة للكاميرا. إنها المنطق الخفي الذي يسمح لذراع روبوتية بالإمساك بأداة أو لبقاء طبقة رقمية فوق جزء متحرك ثابتًا في مكانه. ولكي تعمل هذه التكنولوجيا، يجب تدريب الحواسيب على مكتبات ضخمة من الصور حيث تكون الإجابة الصحيحة معروفة مسبقًا. ومع ذلك، فإن عيبًا خفيًا في كيفية تقديم هذه الإجابات قد أدى لفترة طويلة إلى تحريف تقييم الخوارزميات المصممة لحل هذا اللغز. تبرز المشكلة عندما يبدو الكائن متشابهًا من زوايا مختلفة، أو عندما تكون بعض أجزائه مخفية. في لحظات الغموض البصري هذه، لا توجد إجابة واحدة صحيحة؛ بل توجد احتمالات متعددة صالحة.

لسنوات، تعاملت الطريقة القياسية لاختبار هذه الأنظمة مع كل كائن كما لو كان له موضع حقيقي واحد فقط، حتى عندما يوحي المشهد بغير ذلك. كان الباحثون يأخذون موضعًا واحدًا يمثل "الحقيقة الأرضية" (ground-truth) ويطبقون مجموعة ثابتة من القواعد لمراعاة التماثل، بافتراض أن هذه القواعد تنطبق على كل صورة لهذا الكائن بالتساوي. لقد تجاهل هذا النهج واقع المشهد. فإذا رأت الكاميرا فقط الجانب الأملس المستدير لكوب، فلا يمكن للحاسوب أن يحدد ما إذا كان الكوب مستقيمًا أم مقلوبًا. وإذا ظهر ثقب ما، تصبح الإجابة واضحة. فشلت الطريقة القديمة في التمييز بين هذه الحالات، حيث عاملت الرؤية المحيرة والغامضة بنفس طريقة الرؤية الواضحة وغير الغامضة. وهذا يعني أن المعايير المستخدمة لتصنيف أفضل الخوارزميات كانت مبنية على أساس غير مكتمل، مما قد يكافئ الأساليب التي حزرت بشكل جيد عن طريق الحظ، بينما يعاقب تلك التي حددت احتمالات متعددة بشكل صحيح.

قام فريق من الباحثين من جامعة باريس ساكلي ومؤسسات أخرى الآن بتصحيح هذا السهو باستخدام نهج جديد يسمى ++BOP-Distrib. وبدلاً من تعيين إجابة واحدة ثابتة لكل صورة، طوروا طريقة تكتشف تلقائيًا التماثلات المحددة للكائن بناءً على ما هو مرئي بالفعل في كل صورة. بدأوا بتحليل النماذج الرقمية ثلاثية الأبعاد للكائنات للعثور على تماثلاتها المتأصلة، مثل الأنماط الدورانية أو الأسطح المسطحة التي تبدو متطابقة من زوايا مختلفة. ثم، لكل صورة من صور مجموعات البيانات الخاصة بهم، قاموا بمحاكاة رؤية الكاميرا لتحديد الأجزاء المخفية من الكائن والأجزاء المرئية. ومن خلال الجمع بين شكل الكائن والرؤية المحددة، ولدوا مجموعة فريدة من المواضع الممكنة لتلك اللحظة تحديدًا. حولت هذه العملية "الحقيقة الأرضية" من نقطة واحدة إلى توزيع من الاحتمالات، مما يعكس بدقة ما إذا كان المشهد واضحًا أو محيرًا.

طبق الباحثون نظام التسمية الجديد والأكثر دقة هذا على مجموعات البيانات القياسية المستخدمة لاختبار أفضل أساليب تقدير الوضعية في العالم. وعندما أعادوا تقييم الخوارمايات الأعلى أداءً باستخدام هذه التوزيعات الخاصة بكل صورة، تغيرت النتائج بشكل كبير. فالأساليب التي كانت تحتل الصدارة سابقًا شهدت انخفاضًا كبيرًا في درجاتها، بينما ارتفعت أخرى في التصنيفات. حدث التحول لأن المعايير القديمة كانت متساهلة للغاية؛ فقد قبلت إجابات كانت صحيحة تقنيًا لرؤية أخرى للكائن، حتى لو كانت خاطئة للصورة المعروضة تحديدًا. كشف التقييم الجديد أن العديد من الأنظمة المتطورة لم تكن بالقوة التي كان يُعتقد أنها عليها عند مواجهة الرؤى الجزئية أو الأشكال المتماثلة. وأظهرت الدراسة أنه عندما يكون الاختبار عادلًا ويراعي السياق البصري المحدد، فإن مشهد أداء هذه التقنيات يتغير تمامًا.

بعيدًا عن إصلاح التصنيفات للأنظمة ذات الإجابة الواحدة، فتح هذا العمل الباب لتقييم جيل جديد من الأساليب التي تتنبأ بمجموعة كاملة من المواضع الممكنة بدلاً من مجرد تخمين واحد. وحتى الآن، لم يكن من الممكن اختبار هذه الأساليب متعددة المواضع إلا على صور اصطناعية مولدة بواسطة الكمبيوتر لأن مجموعات البيانات الواقعية كانت تفتقر إلى التعليقات التوضيحية اللازمة. ومع هذه التوزيعات الجديدة المخصصة لكل صورة، تمكن الباحثون من اختبار هذه الأنظمة المتقدمة على صور فوتوغرافية حقيقية لأول مرة. ووجدوا أنه بينما ظلت الأساليب أحادية الموضع أفضل في تحديد موقع معين عندما تكون الرؤية واضحة، تفوقت الأساليب متعددة المواضع في التقاط النطاق الكامل للاحتمالات عندما تكون الرؤية غامضة. هذه القدرة على التعرف على عدة حلول صالحة وإدراجها أمر بالغ الأهمية للتطبيقات الواقعية حيث يحتاج الروبوت إلى فهم أن الكائن قد يكون في واحد من عدة أماكن قبل أن يحاول التفاعل معه.

تخلص الدراسة إلى أن الطريقة التي نقيس بها النجاح في الرؤية الآلية يجب أن تتطور لتواكب تعقيد العالم الحقيقي. ومن خلال الابتعاد عن التعريف الجامد والنمطي للصحة والتوجه نحو قبول الطبيعة المتغيرة للغموض البصري، يمكن للباحثين الآن بناء واختبار أنظمة جاهزة حقًا للبيئات غير المتوقعة في المصانع والمنازل والأماكن الخارجية. لا يدعي هذا العمل أنه حل مشكلة الغموض البصري، لكنه قدم أول خريطة دقيقة للتضاريس، مما يسمح للابتكارات المستقبلية بالتنقل فيها بدقة وموثوقية أكبر.