Reactive Path Planning for UAVs in Static Environments Using Adaptive Block Coordinate Descent Logistic Regression
تقترح هذه الدراسة نموذج "النزول الإحداثي الكتلي التكيفي للانحدار اللوجستي" (ABCD-LoR) لتخطيط مسار الطائرات بدون طيار التفاعلي في البيئات الثابتة، والذي يصيغ تجنب العقبات كمسألة تصنيف ثلاثية الفئات ويُظهر تقليلاً في طول المسار ووقت الحوسبة مقارنة بالخوارزميات الكلاسيكية من خلال المحاكاة، مع الإقرار بالحاجة إلى مزيد من التحقق في البيئات الديناميكية الواقعية.
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
في همهمة المستودعات الهادئة أو في السماء المفتوحة فوق مدينة ما، تتعلم الروبوتات الطائرة الصغيرة المعروفة باسم المركبات الجوية غير المأهولة كيفية التنقل بمفردها. وللتحرك بأمان، تعتمد هذه الآلات على عملية تسمى "تخطيط المسار"، وهي فن تحديد كيفية الانتقال من نقطة إلى أخرى دون الاصطدام بأي شيء. لعقود من الزمن، بنى المهندسون أنظمة إما ترسم خريطة للعالم بأكمله قبل بدء الرحلة، أو تستجيب فوراً للعوائق عند ظهورها. النهج الأول دقيق ولكنه بطيء، ويتطلب صورة كاملة للبيئة التي نادراً ما توجد في العالم الحقيقي. أما النهج الثاني فهو سريع، ولكنه قد يعلق أحياناً في حلقات مفرغة أو يقوم بحركات متقطعة وغير فعالة عندما تكون المحيطات مزدحمة. ومع ازدياد انتشار هذه الطائرات المسيرة في مجالات اللوجستيات والمراقبة، أصبحت الحاجة إلى نظام ملاحة يتسم بالسرعة في اتخاذ القرار والسلاسة في الحركة أمراً بالغ الأهمية، خاصة بالنسبة للآلات التي تمتلك قدرات حوسبة محدودة ويجب أن تعتمد على مستشعرات بسيطة لرؤية العالم.
اقترح فريق من الباحثين طريقة جديدة لحل هذه المشكلة من خلال تعليم الطائرة المسيرة اتخاذ قرارات في أجزاء من الثانية باستخدام طريقة تتسم بالبساطة والمتانة الإحصائية. فبدلاً من محاولة حساب مسار مثالي عبر خريطة كاملة، يعامل نظامهم الملاحة كسلسة من الخيارات الصغيرة الفورية: انعطف يساراً، أو انعطف يميناً، أو استمر في السير للأمام. تستخدم الطائرة المسيرة مستشعرين بالأشعة تحت الحمراء ومستشعراً واحداً بالموجات فوق الصوتية للكشف عن مدى قرب العوائق، حيث يوفر مستشعر الموجات فوق الصوتية تحديداً المسافة إلى أقرب جسم ثابت أمامي. تُغذى هذه القراءات في نموذج رياضي يعمل مثل إشارة المرور، حيث يحدد فوراً احتمالية كل حركة من الحركات الثلاث الممكنة. تم تدريب النموذج على التعرف على الأنماط في بيانات المستشعرات، ليتعلم أن مسافة معينة على الجانب الأيسر تعني عادةً أن الانعطاف يميناً هو الخيار الأكثر أماناً، بينما يعني المسار الواضح أمامها الاستمرار في التقدم. ووجد الباحثون أنه باستخدام تقنية تدريب محددة تسمى "الاشتقاق الإحداثي الكتلي التكيفي" (adaptive block coordinate descent)، يتعلم النموذج هذه الأنماط بشكل أكثر استقراراً وسرعة من الطرق السابقة التي كانت تعتمد على تحديثات عشوائية خطوة بخطوة.
اختبر الفريق هذا النهج في بيئة محاكاة مليئة بتجمعات كثيفة من العوائق الثابتة، مما يحاكي مستودعاً مزدحماً أو غابة من الأعمدة. وقارنوا نظامهم الجديد بعدة استراتيجيات ملاحة راسخة، بما في ذلك الخواراتزميات التي تعتمد على خرائط معدة مسبقاً وتلك التي تستجيب للعوائق باستخدام قواعد رياضية مختلفة. وفي عمليات المحاكاة هذه، أنتج النظام الجديد باستمرار مسارات طيران أقصر واتخذ قرارات أسرع من الطرق التفاعلية القديمة. وبينما يمكن لنظام يعرف الخريطة بأكملها مسبقاً أن يجد أقصر مسار مطلق، إلا أنه يتطلب قدرة حوسبة كبيرة للعديد من الطائرات المسيرة الصغيرة ولا يمكنه التعامل مع التغييرات غير المتوقعة. ومع ذلك، يعمل النهج الجديد دون أي معرفة مسبقة بالتخطيط، معتمداً فقط على ما تراه المستشعرات في تلك اللحظة تحديداً. وفي الاختبارات التي تحركت فيها الطائرة المسيرة بسرعات منخفضة ومتوسطة وعالية، قلل النظام الجديد الوقت المستغرق لاتخاذ القرار بنسبة تتراوح بين عشرين إلى خمسة وثلاثين بالمائة مقارنة ببعض التقنيات التفاعلية القياسية، كما قلل أيضاً إجمالي المسافة المقطوعة بنسبة تتراوحت بين خمسة وعشرين إلى خمسة وثلاثين بالمائة في العديد من السيناريوهات.
وكان الباحثون حريصين على الإشارة إلى أن نتائجهم تأتي من محاكاة محكومة باستخدام مجموعة صغيرة نسبياً من نقاط البيانات، الناتجة عن ترتيب محدد للعوائق. وقد تم تدريب النموذج على أقل من ثلاثمائة مثال، وهو عدد كافٍ لإظهار أن النهج ناجح، ولكنه ليس كبيراً بما يكفي لضمان قدرته على التعامل مع كل المواقف الممكنة في العالم الحقيقي دون خطأ. كما افترضت الدراسة أن المستشعرات تقدم قراءات مثالية خالية من الضجيج، وهو شرط نادراً ما يوجد في العالم الحقيقي حيث يمكن للرياح أو الغبار أو الأسطح العاكسة تشويه القياسات. وبالرغم من هذه القيود، فإن العمل يثبت أن نموذجاً خفيف الوزن وقابلاً للتفسير يمكن أن يتفوق على الأنظمة الأكثر تعقيداً من حيث السرعة وكفاءة المسار عندما تكون البيئة ثابتة. فالنظام لا يعلق في المآزق المحلية التي غالباً ما تربك المخططين التفاعليين الآخرين، كما أنه لا يتطلب الحمل الحوسبي الثقيل لرسم خريطة للعالم بأكمله.
وبالنظر إلى المستقبل، يقترح المؤلفون أن الخطوة التالية هي نقل هذه الاختبارات من شاشة الكمبيوتر إلى طائرة مسيرة حقيقية تطير في بيئة واقعية. ويخططون لإدخال ضجيج المستشعرات وأخطاء القياس لمعرفة مدى صمود النظام عندما تكون البيانات غير مثالية. كما يعتزمون اختبار النموذج مع العوائق الديناميكية، مثل البشر المتحركين أو الطائرات المسيرة الأخرى، ودمج مستشعرات إضافية مثل نظام تحديد المواقع العالمي (GPS) والجيروسكوبات لتحسين الدقة. وفي الوقت الحالي، تقدم الدراسة إثبات مفهوم واعد: استراتيجية ملاحة سريعة، وفعالة، وبسيطة بما يكفي للعمل على آلات صغيرة ذات موارد محدودة، مما يثبت أنه في بعض الأحيان، تكون الطريقة الأكثر فعالية للملاحة في عالم معقد هي اتخاذ سلسلة من القرارات الصغيرة والمحسوبة جيداً بدلاً من محاولة رؤية الصورة الكاملة دفعة واحدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.