Point-Cloud Skeleton Quality Assessment for Robotic Perception and Planning

أصبحت الروبوتات قادرة بشكل متزايد على التنقل في عالمنا، لكنها لا تزال تعاني من مشكلة جوهرية: فهم شكل الأشياء التي تواجهها. فعندما ينظر الروبوت إلى كرسي، أو شجرة، أو أداة، تلتقط مستشعراته سحابة فوضوية من ملايين النقاط الفردية. ولكي يتحرك الروبوت أو يمسك بشيء ما، فإنه يحتاج إلى تبسيط هذه البيانات الفوضوية إلى هيكل واضح وقابل للاستخدام. لطالما استخدم المهندسون مفهومًا يُسمى "الهيكل العظمي" (skeleton) للقيام بذلك. تخيل أنك تأخذ جسمًا معقدًا وتختزله إلى عموده الفقري الداخلي الأساسي أو إطاره السلكي. هذا الخط الرفيع والمبسط يلتقط البنية الطوبولوجية للجسم — كيف تتصل أجزاؤه، وأين تتفرع أغصانه، وكيف تلتف حلقاته — دون فوضى السطح الكامل. وتعد هذه الخرائط الهيكلية حيوية لمهام مثل توجيه روبوت عبر كهف، أو مساعدة ذراع ميكانيكية في الإمساك بفاكهة رقيقة، أو التخطيط لمسار عبر غرفة مزدحمة.

ومع ذلك، كانت هناك فجوة كبيرة في كيفية تقييم هذه الهياكل العظمية. لسنوات، اعتمد الباحثون على الفحص البصري أو اختبارات محددة قائمة على المهام لتحديد ما إذا كان الهيكل "جيدًا". فإذا بدا الهيكل صحيحًا للعين البشرية أو ساعد الروبوت في التقاط جسم معين، فغالبًا ما يتم قبوله. لكن هذا النهج ذاتي وغير متسق؛ فهو لا يوفر وسيلة لقياس جودة الهيكل نفسه، بشكل مستقل عن الوظيفة المحددة التي يؤديها. وبدون طريقة معيارية لتقييم هذه الأعمدة الرقمية، يصعب معرفة ما إذا كانت الطريقة الجديدة لإنشائها هي تحسن حقيقي أم أنها تُدخل أخطاءً خفية قد تفشل لاحقًا. ويبقى السؤال: كيف يمكننا قياس جودة الهيكل بشكل موضوعي عندما لا يوجد نسخة واحدة "مثالية" للمقارنة بها؟

في دراسة جديدة، طور باحثون من جامعة كارديف إطار عمل كمي للإجابة على هذا السؤال. فقد اقترحوا نظامًا يقيم الهياكل العظمية للسحب النقطية دون الحاجة إلى نموذج مرجعي مثالي. وبدلاً من محاولة ترتيب الهياكل العظمية بدرجة واحدة، ابتكر الفريق أداة تشخيصية تقيس أربع خصائص متميزة لهندسة الهيكل. يتعامل هذا النهج مع جودة الهيكل ليس كعملية نجاح أو فشل بسيطة، بل كمتجه من الخصائص التي يمكن تحليلها بشكل منفصل. اختبر الباحثون نظامهم باستخدام طريقة شائعة لإنشاء الهياكل العظمية، مع تطبيق كميات محكومة من الضجيج وإزالة النقاط لمحاكاة البيانات غير المثالية التي تتلقاها الروبوتات غالبًا من المستشعرات في العالم الحقيقي. وكشفت نتائجهم أن أنواعًا مختلفة من الأخطاء تؤثر على أجزاء مختلفة من الهيكل بطرق فريدة، وأن رقمًا واحدًا لا يمكنه استيعاب الصورة الكاملة لموثوقية الهيكل.

الخاصية الأولى التي يقيسها الفريق هي الاتصال (connectivity). في عالم الروبوتات، من الضروري أن يحافظ الهيكل على البنية الأساسية للجسم الأصلي. فإذا كان للجسم جزءان منفصلان، يجب ألا يدمجهما الهيكل العظمي بالخطأ في قطعة واحدة، كما لا ينبغي أن يكسر جسمًا واحدًا إلى قطع غير متصلة. يستخدم الباحثون أداة رياضية تسمى "التماثل المستمر" (persistent homology) لتتبع هذه الاتصالات. إنهم يقارنون نمط الاتصالات في السحابة الأصلية من النقاط مع النمط الموجود في الهيكل العظمي الناتج. إذا حافظ الهيكل على نفس عدد المكونات المنفصلة ونفس التدفق الأساسي للاتصالات، فإن الدرجة تكون عالية. وقد أظهرت تجاربهم أنه عند إضافة الضجيج إلى البيانات أو عند إزالة النقاط، يكون مقياس الاتصال هذا حساسًا للغاية، وغالبًا ما يظهر علامات واضحة على الانهيار الهيكلي.

أما الخاصية الثانية فهي المحدودية (boundedness)، والتي تطرح سؤالًا بسيطًا ولكنه حاسم: هل الهيكل موجود بالفعل داخل الجسم؟ إن الهيكل الذي ينحرف خارج الحدود الفيزيائية للجسم الذي يمثله هو هيكل غير صالح هندسيًا وقد يؤدي بالروبوت إلى الاصطدام بالجدران أو تفويت هدفه. وللتحقق من ذلك، ينظر الباحثون في الاتجاهات المحيطة بكل نقطة في الهيكل. إذا كانت النقطة داخل الجسم حقًا، فيجب أن تغطي نقاط السطح المحيطة بها جميع الاتجاهات حولها، مثل كرة من الضوء تحيط بنقطة في غرفة مظلمة. وإذا كانت نقطة الهيكل خارج الجسم، فستكون هناك فجوات في هذا التغطية. ووجدت الدراسة أن هذا المقياس يعتمد بشكل كبير على مدى كثافة البيانات الأصلية؛ فعندما تكون البيانات شحيحة، قد يواجه النظام صعوبة في التأكد من أن الهيكل موجود بأمان داخل الجسم.

والمقياس الثالث هو المركزية (centredness)، والذي يقيم ما إذا كان الهيكل يمر عبر منتصف سمك الجسم. فبالنسب/ لمهام الإمساك، يحتاج الروبوت إلى معرفة مكان مركز الجسم لتطبيق القوة بالتساوي. يجب أن يقترب الهيكل الجيد من "المحور المتوسط" (medial axis)، وهو الخط الذي يمر على مسافة متساية من أسطح الجسم. ويقدر الباحثون ذلك من خلال النظر في المقطع العرضي المحلي للجسم حول كل نقطة في الهيكل. إذا كانت نقطة الهيكل تقع بالقرب من المركز الهندسي لذلك المقطع العرضي، فإنها تسجل درجة جيدة. وأشارت النتائج إلى أن هذا المقياس حساس للغاية للدعم المحلي؛ ففي المناطق التي يكون فيها الجسم رقيقًا أو حيث تكون البيانات مفقودة، لا يمكن للنظام تحديد ما إذا كان الهيكل مركزيًا بشكل موثوق، ويتم وضع علامات على هذه المناطق كأماكن غير مؤكدة.

أما الخاصية الأخيرة فهي النعومة (smoothness)، والتي تنظر في مدى انتظام تغير اتجاه الهيكل. الهيكل الناعم يتميز بمنحنيات لطيفة وقطع مستقيمة، بينما الهيكل المتعرج يحتوي على انعطافات حادة وعشوائية. وهذا أمر مهم للملاحة، لأن الروبوت الذي يتبع مسارًا مشتقًا من هيكل متعرج قد يواجه صعوبة في التحرك بسلاسة. يقيس الباحثون الزاوية بين اتجاه الهيكل عند نقطة ما والاتجاه عند النقطة التالية. ومن المثير للدهشة أن تجاربهم أظهرت أن النعومة لا ترتبط دائمًا بالجودة الإجمالية. ففي بعض الحالات، يمكن للهيكل أن يصبح أكثر نعومة ببساطة لأن الضجيج أزال التفاصيل الدقيقة التي جعلته متعرجًا، حتى لو كان الهيكل قد فقد اتصالات هيكلية مهمة أو انحرف خارج الحدود. ويعزز هذا الاكتشاف فكرة أن الهيكل "الناعم" ليس بالضرã هيكلًا "جيدًا".

طبق الباحثون إطار العمل المكون من أربعة أجزاء هذا على مجموعة متنوعة من الأجسام الواقعية، بما في ذلك الأدوات اليومية مثل المقصات ولوحات التزلج، والأشكال الطبيعية مثل الأشجار، والبيئات المعقدة مثل الكهوف. واختبروا هذه الأجسام تحت ظروف مختلفة، مثل إضافة ضجيج عشوائي إلى البيانات أو تقليل عدد النقاط لمحاكاة المسح منخفض الدقة. وكانت النتائج كاشفة؛ فقد زاد مقياس الاتصال باستمرار في الخطأ عند إضافة الضجيج أو إزالة النقاط، مما أظهر أن بنية الهيكل كانت تنهار. وانخفض مقياس المحدودية بشكل كبير عندما أصبحت البيانات شحيحة، مما يشير إلى أن الهيكل لم يعد محتوى داخل الجسم بشكل موثوق. كما انخفضت درجة المركزية تحت تأثير الضجيج، مما أظهر أن الهيكل يبتعد عن المركز الحقيقي للجسم. ومع ذلك، تصرف مقياس النعومة بشكل مختلف؛ فلم يسوء دائمًا مع التدهور، بل تحسن أحيانًا مع قيام الضجيج بتنعيم الحواف المتعرجة. ويثبت هذا التضارب أنه لا يمكن لمقياس واحد أن يروي القصة كاملة.

تستبعد الدراسة صراحةً فكرة وجود "درجة جودة" عالمية واحدة للهياكل العظمية. ويجادل الباحثون بأن الأهمية النسبية لهذه الخصائص الأربع تعتمد تمامًا على ما يحاول الروبوت القيام به. فبالنسبة لروبوت يتنقل في كهف، قد يكون الاتصال والنعومة هما العاملين الأكثر أهمية، بينما بالنسبة لروبوت يمسك بفاكهة، تكون المركزية والمحدودية هما الأهم. ومن خلال توفير مجموعة من التشخيصات المتكاملة، يسمح إطار العمل للمهندسين برؤية الجانب الذي يفشل فيه الهيكل بالضبط. فهو يوضح أن الهيكل يمكن أن يكون ناعمًا ولكنه غير متصل، أو مركزيًا ولكنه غير محدود، وأن هذه الإخفاقات لها عواقب مختلفة على أداء الروبوت.

ويلاحظ المؤلفون بحذر حدود عملهم؛ إذ إن التنفيذ الحالي لنظامهم مكلف حاسوبيًا، حيث يستغرق حوالي 34 ثانية لمعالجة سحابة مكونة من 4,096 نقطة، مما يجعله غير مناسب للتحكم في الوقت الفعلي لروبوت متحرك. إنه مصمم كأداة "خارج الخط" (offline) للمقارنة وتطوير المنهجيات، مما يساعد الباحثين على تحسين خوارمازمياتهم قبل نشرها. علاوة على ذلك، لا تدعي الدراسة أن هذه الدرجات تتنبأ مباشرة بما إذا كان الروبوت سينجح في الإمساك بجسم ما أو التنقل في مسار ما. بدلاً من ذلك، تعمل كمتجه تشخيصي، يحدد نقاط الضعف الهندسية في التمثيل التي قد تؤدي إلى الفشل. إن إطار العمل لا يحل مشكلة إدراك الروبوت، ولكنه يوفر لغة ضرورية جدًا لوصف وتحسين جودة التجريدات الهندسية التي تعتمد عليها الروبوتات.

في نهاية المطاف، ينقل هذا العمل النقاش حول جودة الهيكل من الفحص البصري الذاتي إلى التحليل الموضوعي متعدد الأوجه. إنه يقر بأن الهيكل "الأفضل" ليس شكلاً مثاليًا واحدًا، بل هو تمثيل يوازن بين الخصائص الهندسية المختلفة وفقًا للاحتياجات المحددة للمهمة. ومن خلال التعامل مع الاتصال والمحدودية والمركزية والنعومة كأبعاد منفصلة وقابلة للقياس، منح الباحثون مجتمع الروبوتات وسيلة لفهم سبب وفشل الهيكل بالضبط. وهذا الوضوح هو خطوة ضرورية نحو بناء روبوتات يمكنها إدراك والتفاعل مع العالم المعقد والفوضوي من حولها بموثوقية ودقة أكبر.