Computational Acceleration of 3D Point-Cloud Algorithms for Embedded_Discover-format

في عالم الإنشاءات والبنية التحتية الحديثة، تُوكل إلى الروبوتات بشكل متزايد المهمة الحرجة المتمثلة في فحص الأنفاق والمناجم ومواقع البناء قبل صب الخرسانة. وللقيام بذلك، تستخدم هذه الروبوتات ماسحات ضوئية ليزرية تلتقط العالم المادي في هيئة سحابة هائلة من النقاط الصغيرة، مما ينشئ خريطة رقمية لأسياخ الحديد والأنابيب والجدران. ومع ذلك، فإن تحويل هذه السحابة من البيانات إلى معلومات مفيدة يشكل عبئاً حسابياً ثقيلاً. فالطرق القياسية لتحليل هذه النقاط، مثل التحقق من اتجاه أسياخ الحديد أو تحديد أماكن تقاطعها، صُممت لأجهزة الكمبيوتر المكتبية القوية ذات بنوك الذاكرة الضخمة. وهذه الطرق بطيئة جداً وتستهلك الكثير من الذاكرة بالنسبة لأجهزة الكمبيوتر الصغيرة التي تعمل بالبطارية والموجودة في الروبوتات. وإذا لم يتمكن الروبوت من معالجة هذه البيانات بسرعة، فلن يتمكن من اتخاذ قرارات في الوقت الفعلي، مما يترك عملية الفحص عالقة في الماضي أو يتطلب إرسال البيانات إلى خادم بعيد، وهو ما يلغي الغرض من الاستقلالية.

لقد وجد فريق من الباحثين من مجموعة "China MCC20 Group" والمعهد المركزي للبحث في البناء والتشييد طريقة لسد هذه الفجوة. هم لم يخترعوا طريقة جديدة للكشف عن أسياخ الحديد؛ بل اكتشفوا كيفية إعادة كتابة التعليمات الرياضية التي يستخدمها الكمبيوتر لمعالجة البيانات. يركز عملهم على مهمة محددة وصعبة: تحديد مكان تقاطع أسياخ حديد التسليح مع بعضها البعض في شبكة، وهي خطوة حاسمة لضمان أن الهيكل سيكون قوياً بما يكفي. الطريقة الأصلية للقيام بذلك استغرقت ما يقرب من عشرين ثانية على جهاز كمبيوتر مكتبي عالي الأداء وتطلبت جيجابايت من الذاكرة، مما جعل تشغيلها على روبوت أمراً مستحيلاً. أثبت الباحثون أن العمليات الرياضية المعقدة المستخدمة لإيجاد هذه التقاطعات يمكن تفكيكها إلى خطوات تسلسلية أبسط بكلاً. ومن خلال إعادة ترتيب الحساب، قللوا عدد العمليات الرياضية المطلوبة بمقدار ستة وثلاثين ضعفاً. كما استبدلوا طريقة بطيئة ومتكررة للتحقق من جيران النقاط بمسحة واحدة شاملة للبيانات تراكم الإحصائيات فورياً.

نتائج هذا التنظيم الجديد مذهلة. فعندما اختبر الباحثون نهجهم الجديد على نظام كمبيوتر مصمم لمحاكاة الموارد المحدودة للروبوت المدمج، انخفض وقت المعالجة من ما يقرب من عشرين ثانية إلى ما يزيد قليلاً عن ثانية واحدة. كما تقلصت الذالة المطلوبة لتشغيل نفس المهمة من عدة جيجابايت إلى حوالي مائة ميجابايت فقط. هذا الانخفاض يعني أن الخوارزمية يمكنها الآن العمل على أجهزة تتناسب مع الروبوت، بدلاً من الحاجة إلى غرفة خوادم. وقد تحقق الفريق من صحت منهجيتهم باستخدام مسح واقعي لأرضية نفق خدمات يحتوي على أكثر من مليون نقطة. نجح النظام المحسّن في تحديد ستة وتسعين نقطة تقاطع في شبكة من أسياخ الحديد، مطابقةً دقة الطريقة الأصلية الأبطأ. كما تم قياس المسافة بين الأسياخ بخطأ يقل عن نصف مليمتر، وهو ما يقع ضمن حدود التفاوت المسموح بها لسلامة الإنشاءات.

بينما تمثل مكاسب السرعة والذاكرة العناوين الرئيسية، فقد كان الباحثون حذرين في الإشارة إلى مواضع القصور. فالطريقة الجديدة دقيقة رياضياً في إيجاد التقاطعات، مما يعني أن الروبوت يرى نفس النمط الذي يراه الكمبيوتر المكتبي. ومع ذلك، عند قياس المسافة من أسياخ الحديد إلى قالب الخرسانة، أظهر النظام نقصاً مستمراً في التقدير بنحو ستة وأربعين مليمتراً. وقد أرجع الباحثون هذا الخطأ ليس إلى تقنيات تسريع العمل التي طوروها، بل إلى كيفية حساب النظام لمركز الأسياخ بالنسبة لشبكة "الفوكسل" (voxel grid)، وهي مشكلة معروفة يخططون لإصلاحها في أعمال مستقبلية. كما وجدوا أنه بينما تعمل الطريقة بشكل مثالي على معالج رباعي النواة محاكى، فإن تشغيلها على أجهزة مادية فعلية ذات ذاكرة خارجية قد يؤدي إلى تأخيرات بسبب سرعات نقل البيانات، مما قد يمد الوقت إلى بضع دقائق بدلاً من ثوانٍ.

إن أهمية هذا العمل تمتد إلى ما هو أبعد من مجرد أسياخ الحديد. فالتقنيتان اللتان طورهما الفريق — تفكيك المرشحات ثلاثية الأبعاد المعقدة إلى خطوات بسيطة أحادية البعد، واستخدام ملخص إحصائي بمسحة واحدة بدلاً من الفحوصات المتكررة — هما أداتان عامتان. يمكن تطبيقهما على أي مهمة يحتاج فيها الروبوت إلى فهم شكل الأجسام الأسطوانية مثل الأنابيب أو الكابلات أو حتى الأوعية الدموية في التصوير الطبي. ومن خلال إثبات أن هذه الخوارزميات الثقيلة يمكن تبسيطها لتناسب الأجهزة الصغيرة دون فقدان دقتها، فتح الباحثون الباب أمام الروبوتات المستقلة للقيام بعمليات فحص معقدة وعالية الدقة في الميدان. وتؤكد الدراسة أنه مع النهج الرياضي الصحيح، يمكن سد الفجوة بين التحليل المكتبي القوي والنشر الروبوتي خفيف الوزن، مما يسمح للآلات بفهم بيئتها بوضوح يضاهي نظراءها من البشر، ولكن بالسرعة المطلوبة للعمل في الوقت الفعلي.