A Machine-Learning and Cybernetic Control Framework for RGB--Geometric UAV Navigation

ملخص تقني: إطار عمل للتحكم السيبراني والتعلم الآلي للملاحة في الطائرات بدون طيار (UAV) عبر المسارات المعتمدة على RGB والهندسة

بيان المشكلة
تفرض ملاحة الطائرات بدون طيار (UAV) عبر ممرات الأنهار تحديات فريدة تختلف عن البيئات الجوية العامة. فالانعكاسات المائية تغير المظهر البصري، والمنعطفات الضيقة تقيد مساحة المناورة، وانقطاعات الشواطئ تضعف الإشارات الهندسية، كما تخلق الأجسام العائمة أو الجسور عوائق محلية. وبينما توفر المخططات القائمة على النماذج (model-based planners) قابلية للتفسير عندما تكون الخرائط دقيقة، إلا أنها تعاني أمام عدم اليقين المتأصل في الهندسات النهرية غير المستقرة بصرياً. وفي المق المقابل، غالباً ما تعاني المتحكمات القائمة على التعلم من مشكلة "التسرب" (leakage)، حيث تعتمد السياسات على متغيرات المحاكي المميزة (مثل الأقنعة الحقيقية أو خطوط المنتصف) بدلاً من المدخلات البصرية الفعلية، أو تفشل في فصل الإدراك عن التحكم المتري. وتتمثل المشكلة الجوهرية التي يعالجها البحث في تطوير حلقة موحدة (إدراك–قرار–فعل) تدمج ملاحظات RGB الخام مع التغذية الراجعة الحركية والهندسية المهيكلة، مما يضمن اعتماد السياسة المتعلمة على أدلة بصرية صالحة مع الحفاظ على السلامة من خلال طبقات تدخل صريحة غير متعلمة.

المنهجية
يقترح المؤلفون إطار عمل للتحكم السيبراني يفصل بصرامة بين الإدراك البصري، والتغذية الراجعة للحالة المهيكلة، وتعلم المكافأة التكيفي، والتدخل القائم على القواعد.

1. بنية النظام وتمثيل الحالة:

   • المسار البصري: يعالج النظام إطار RGB بحجم 224×224 باستخدام هيكل ResNet-50 مدمج مع شبكة هرم الميزات (FPN). يتم تجميع الميزات متعددة المقاييس عبر تجميع المتوسط العالمي وآلية انتباه متعلمة لإنتاج متجه مظهر ذي 255 بُعداً.
   • الحالة المهيكلة: يتم إنشاء متجه حالة مكون من 291 بُعداً عن طريق دمج المتجه الكامن البصري مع 35 متغيراً هندسياً وحركياً محددًا صراحةً. وتشمل هذه المتغيرات الحركات النسبية (السرعة، الاتجاه، التسارع)، والتقدم نحو الهدف، وخمس عينات من خط المنتصف الأمامي، وثماني قيم خلوص ناتجة عن إطلاق الأشعة (ray-casting)، وكتلة ذاكرة تحتوي على سجل الموقع والحركة الأخير غير المحجوب.
   • مقاومة التسرب: يستخدم الإطار، بشكل حاسم، "استئصال الثوابت" (fixed-width ablations). فعند اختبار مدخلات محددة (مثل إزالة خط المنتصف)، يتم استبدال الكتلة المقابلة بأصفار دون إدراج متغيرات بديلة أو إسقاطات حتمية من كتل أخرى. يضمن ذلك أن أي انخفاض في الأداء يعزى حصرياً إلى المعلومات المفقودة.

2. جوهر التعلم (TD3 مع التدرجات العليا - Meta-Gradients):

   • يستخدم المتحكم خوارزمية (Twin Delayed Deep Deterministic Policy Gradient - TD3).
   • المكافآت التكيفية: بدلاً من تخزين مكافأة قياسية، يقوم مخزن التكرار (replay buffer) بتخزين متجه سداسي الأبعاد من مكونات المكافأة غير الموزونة (التقدم، السلامة، النتيجة النهائية، السلاسة، الاتجاه، وعقوبة الخطوة). يسمح ذلك بإعادة بناء المكافأة القياسية ديناميكياً باستخدام الأوزان الحالية.
   • تحسين التدرج العلوي (Meta-Gradient Optimization): يربط تدرج علوي قابل للتفاضل بين تحديثات الفاعل-الناقد الافتراضية وهدف حركي للتحقق من خطوة واحدة. تقلل الخسارة الخارجية من دالة سلسة للمسافة إلى الهدف، والخطأ في المسار، والخلوص من العوائق، وجهد التحكم. يتم تحديث أوزان المكافأة ($\lambda$) عبر تدرج فائق (hypergradient)، مع خضوعها لإسقاط يفرض حداً أدنى للسلامة (على سبيل المثال، وزن أدنى لمكون السلامة) بعد اكتشاف انتهاك للسلامة.

3. طبقة التدخل الهجينة:

   • تعمل طبقة منفصلة قائمة على القواعد (متجمدة) بشكل مستقل عن السياسة المتعلمة. وهي تعمل عند وقوع أحداث محددة: التفرع (اختيار الفرع الأكثر توافقاً مع الهدف)، الإنهاء (الكبح الرتيب عند فقدان النهر)، الحجب الشديد (سد الفجوات باستخدام الذاكرة)، وتجميع العوائق (دمج أفعال السياسة مع مجال جهد اصطناعي).
   • يقوم النظام بتسجيل كل من فعل السياسة ($a^\pi_t$) والفعل المنفذ ($a^{exec}_t$) للتمييز بين السلوك المتعلم وتدخلات السلامة الهندسية.

المساهمات الرئيسية

1. التحقق من دمج الرؤية والهندسة: يصيغ البحث حالة ذات 291 بُعداً حيث يتم دمج تمثيل RGB/FPN عبر الإنترنت مع متغيرات مترية صريحة. وتثبت نتائج مستوى المخرجات (إكمال بنسبة 84.0% في حالة استئصال "الرؤية زائد الحركيات" حيث تم تصفير جميع الأولويات الهندسية) أن السياسة تستخدم المسار البصري بفعالية بدلاً من الاعتماد على بدائل هندسية مميزة.
2. رسم بياني مغلق رياضياً للمكافأة التكيفية: أغلق المؤلفون الرسم البياني الحسابي لتكيف المكافأة. فمن خلال تخزين مكونات المكافأة الخام واستخدام هدف خارجي قابل للتفاضل يتضمن الحركيات الافتراضية، تمكنوا من إعادة وزن التحولات التاريخية دون الاعتماد على مكافآت قياسية قديمة.
3. بروتوكول الاستئصال المقاوم للتسرب: حددت الدراسة منهجية استئصال صارمة حيث يتم استبدال إزالة المدخل المهيكل بالأصفار، مما يضمن عدم تسرب أي معلومات بديلة إلى الحالة. وهذا يعزل القيمة الهامشية لمدخلات محددة (مثل الذاكرة أو خط المنتصف) دون خلط قدرة التحسين.
4. فصل الاهتمامات: يفصل الإطار صراحةً بين التحكم المتعلم، والتحسين التنبئي (NMPC)، والتدخل القائم على القواعد. ويسمح هذا بنسب مكاسب السلامة والكفاءة بشكل مستقل، مما يمنع خلط تعلم السياسة مع دروع السلامة الهندسية.
5. بروتوكول تقييم قابل للتكرار: يوفر البحث مجموعة تقييم شاملة تشمل المظاهر المتوازنة المجمدة، والإحصاءات المزدوجة، وفحوصات التدرج بالفروق المحدودة، ومعايير تمييزية للتحكم في الهندسة العامة وأحداث خاصة بالنهر (التفرع، الإنهاء، الحجب، التجميع).

النتائج

• استئصال الحالة: في استئصال الثوابت، أدى إزالة كتلة الذاكرة إلى أكبر انخفاض ملحوظ في نسبة الإكمال (4.25 نقطة مئوية)، رغم أنه لم يكن ذا دلالة إحصائية. أما حالة "الرؤية زائد الحركيات" (إزالة جميع الهندسات الصريحة) فقد حافظت على نسبة إكمال 84.0%، مما يؤكد فائدة المسار البصري.
• تكييف المكافأة: بينما حققت متغيرات التدرج العلوي معدلات إكمال أعلى (87.75%) مقارنة بالأوزان الثابتة (83.13%)، فإن التحكم بـ "التدرج العلوي الصفري" — الذي يطبق نفس الإسقاط الناتج عن تفعيل السلامة ولكن مع تعطيل تحديث التدرج العلوي — حقق نسبة إكمال متطابقة بلغت 87.75%. يشير هذا إلى أن مكاسب الأداء تُعزى إلى إعادة تكوين المكافأة الموجه بالإسقاط (تحديداً الحد الأدنى للسلامة) وليس إلى آلية التدرج العلوي نفسها.
• مقارنة المتحكمات:
  • الملاحة العامة: حقق متحكم TD3 الهجين متوسط إكمال للمهام بنسبة 88.5% في اختبار أحداث النهر. وقد تجاوز ذلك التحكم التنبئي غير الخطي (NMPC) بنسبة 11.1 نقطة مئوية، وتجاوز RRT*-Replan بنسبة 15.9 نقطة.
  • التحكم في الهندسة: في اختبار الهندسة فقط (بدون RGB)، تفوق NMPC على متحكم القواعد البسيط (78.7% مقابل 65.3% إكمال)، لكنه تطلب زمن انتقال حسابي أعلى بكثير (32.9 مللي ثانية مقابل 4.5 مللي ثانية لكل خطوة).
  • تأثير التدخل: أدى تفعيل جميع قواعد التدخل إلى تقليل الاصطدامات في الملاحة العامة، ولكنه قلل من نجاح الوصول إلى الهدف العادي بنسبة 12.63 نقطة مئوية، مما يسلط الضوء على المقايضة بين السلامة والكفاءة. وقد تعاملت القواعد بنجاح مع 81.5% من حالات الإنهاء عبر التوقف الآمن أو تغيير المسار.

الأهمية والادعاءات
يزعم البحث أنه وضع إطار عمل قابلاً للتكرار والفحص لدمج الإدراك البصري، وتعلم المكافأة التكيفي، والتدخل الهجين للسلامة في ملاحة الطائرات بدون طيار في ممرات الأنهار. تكمن أهميته ليس في اقتراح خوارزمية واحدة "أفضل"، بل في تقديم تفكيك دقيق لمشكلة التحكم:

• أثبت أن المعلومات البصرية يمكن أن تقود الملاحة حتى عند إزالة الأولويات الهندسية الصريحة، بشرما توفر تمثيل الحالة بعناية.
• أثبت أن تعلم المكافأة التكيفي يمكن أن يكون مغلقاً رياضياً ويمكن التحقق منه عبر فحوصات الفروق المحدودة، رغم أن الفائدة الرئيسية في هذا الإعداد جاءت من إعادة تكوين الأوزان الموجهة بالسلامة بدلاً من آلية التدرج العلوي.
• قدم نموذجاً واضحاً لنسب الفضل (attribution) حيث تكون مساهمات السياسة المتعلمة، والمحسن القائم على النموذج، والتدخل القائم على القواعد متميزة وقابلة للقياس، مما يتجنب الخطأ الشائع المتمثل في نسب السلامة الهندسية إلى الذكاء المتعلم.

يتبنى المؤلفون موقفاً متواضعاً، مشيرين إلى أنه بينما يحسن الإطار معدلات الإكمال مقارنة بالنماذج المرجعية في سيناريوهات نهرية محددة، فإن المكاسب غالباً ما تكون مدفوعة بإعادة تكوين أوزان المكافأة وطبقة التدخل، وليس بآلية التدرج العلوي وحدها. يعمل هذا العمل كنموذج منهجي لفصل الإدراك، والحالة، والسلامة في البيئات المعقدة وغير المستقرة بصرياً.