Multimodal Deep Learning Framework for Detection and Autonomous Removal of Submerged Ocean Plastic Waste

إن المحيط شاسع، ومظلم، وغالباً ما يكون مخفياً عن الأنظ de البشرية، ومع ذلك فهو يمتلئ بشكل متزايد بمشكلة مستمرة: النفايات البلاستيكية. وبينما يمكننا رؤية وتنظيف القمامة الطافية على السطح أو تلك التي جرفتها الأمواج إلى الشواطئ، فإن جزءاً كبيراً من هذا التلوث يغوص في الأعماق. حيث يصبح محاصراً في الشعاب المرجانية، أو مدفوناً في الرمال، أو معلقاً في عمود الماء، مما يضر بالحياة البحرية والنظم البيئية. إن الطرق التقليدية للعثور على هذا الحطام المغمور وإزالته صعبة، وخطيرة، وغالباً ما تكون مستحيلة بسبب ضعف الرؤية والضغط الهائل في أعماق البحار. ولحل هذه المشكلة، يتجه العلماء إلى نهج جديد يجمع بين "عيون" الروبوتات و"دماغ" الذكاء الاصطناعي. ويعتمد هذا المجال على آلات يمكنها الرؤية تحت الماء باستخدام الكاميرات والموجات الصوتية، وبرمجيات يمكنها التعلم للتعرف على النفايات حتى عندما تكون المياه عكرة أو الضوء خافتاً. والهدف هو إنشاء أنظمة لا تكتفي فقط بالعثور على النفايات، بل يمكنها أيضاً التنقل للوصول إليها والتقاطها دون إزعاج الحياة الهشة المحيطة بها.

لقد اقترح الباحثون شاهين رامناث، وسريفيديفي فالابابورابو، وسوفيندو تشاندان ناياك إطار عمل جديداً صُمم لمعالجة هذا التحدي من البداية إلى النهاية. يوضح عملهم نظاماً متكاملاً حيث يستخدم روبوت تحت الماء، مثل مركبة ذاتية القيادة، أنواعاً متعددة من المستشعرات لبناء صورة واضحة لمحيطه. وبدلاً من الاعتماد على طريقة واحدة فقط للرؤية، يدمج النظام الصور البصرية من الكاميرات مع البيانات القائمة على الصوت من السونار ومعلومات العمق. هذا النهج متعدد الوسائط يسمح للروبوت برؤية النفايات البلاستيكية حتى عندما تكون المياه عكرة أو عندما يتلاشى الضوء. وقد طور الباحثون مجموعة من البرامج الحاسوبية، المعروفة بنماذج التعلم العميق، والتي تعمل بمثابة "دماغ" الروبوت. تم تدريب هذه البرامج على اكتشاف شكل وموقع الحطام البلاستيكي، وفصله عن الخلفية، وحساب مكانه بدقة في الفضاء ثلاثي الأبعاد. وبمجرد أن يحدد الروبوت قطعة من القمامة، يقوم النظام بتوجيه المركبة نحوها، ويخطط مساراً آمناً، ويوجه ذراعاً روبوتية للإمساك بالشيء وإزالته.

اختبر الفريق فكرتهم باستخدام محاكاة حاسوبية مفصلة بدلاً من استخدام روبوت مادي في المحيط المفتوح. لقد أنشأوا بيئة افتراضية تمثل أعماقاً تتراوح بين 2,000 و3,000 متر، وهي نطاقات لا يستطيع الغواصون البشر الوصول إليها حيث يندر الضوء. وفي هذا العالم الرقمي، أجروا 500 تجربة منفصلة لمستويات مختلفة من عدم اليقين، محاكيين ظروفاً قد تكون فيها مستشعرات الروبوت غير دقيقة تماماً أو قد تكون المياه عكرة جداً. وأظهرت النتائج وجود علاقة واضحة بين مدى قدرة الروبوت على تحديد موقع الجسم وبين نجاحه في التقاطه. فعندما كانت تقديرات موقع الروبوت دقيقة للغاية، بهامش خطأ لا يتجاوز بضعة سنتيمترات، تمكن من استعادة الحطام البلاستيكي في ما يقرب من 90 بالمائة من المحاولات. ومع ذلك، عندما زاد عدم اليقين في رؤية الروبوت، محاكياً تحديات المياه العكرة في العالم الحقيقي، انخفض معدل النجاح بشكل كبير. وفي أصعب الظروف المحاكية، حيث كانت دقة إدراك الروبوت لموقعه أقل دقة، انخفض معدل النجاح إلى أقل من النصف.

كشفت هذه المحاكاة عن رؤية نقدية مهمة: العثور على القمامة هو الخطوة الأولى فقط. فلكي يتمكن الروبوت من إزالتها بنجاح، يجب أن يعرف بالضبط مكان الجسم واتجاهه في الماء. وجد الباحثون أنه حتى لو تمكن الربوات من التنقل إلى المنطقة العامة، فإن الأخطاء في تقدير موقع الجسم أو زاويته غالباً ما تتسبب في فشل الذراع الروبوتية في إصابة الهدف تماماً. وفي تجارب عدم اليقين العالية، كانت غالبية المحاولات الفاشلة ناتجة عن أخطاء في تحديد الموقع، مما يثبت أن الروبوت لا يمكنه مجرد "رؤية" القمامة؛ بل يجب أن يفهم موقعها الدقيق في الفضاء ثلاثي الأبعاد للتفاعل معها بأمان. كما أظهرت الدراسة أن الروبوت يمكنه بنجاح تخطيط مسار عبر بيئة مزدحمة، وتجنب العوائق للوصول إلى الهدف، لكن نجاح هذا التنقل لا يضمن نجاح عملية الاستعادة المادية.

يشير الباحثون بحذر إلى أن هذه النتائج تأتي من نموذج حاسوبي وليس من روبوت مادي يعمل في أعماق البحار. لم تأخذ المحاكاة في الاعتبار الضغط الساحق في أعماق المحيط، أو الحركات المعقدة لمركبة حقيقية، أو القوى الفيزيائية المشاركة في الإمساك بقطعة من البلاستيك. لذلك، بينما يبدو إطار العمل واعداً، إلا أنه لم يثبت بعد نجاحه في المحيط الحقيقي. ويؤكد الفريق أن عملهم هو "إثبات مفهوم"، مصمم لإظهار كيف يمكن لأخطاء الإدراك أن تؤثر على النتيجة النهائية لمهمة التنظيف. ويقترحون أن العمل المستقبلي يجب أن ينتقل من هذه الاختبارات الرقمية المنضبطة إلى التجارب الواقعية في الخزانات، والموانئ، وفي نهاية المطاف في المحيط المفتوح. ومن خلال اختبار النظام باستخدام روبوتات تحت الماء حقيقية وحطام حقيقي، يمكن للعلماء تحديد ما إذا كان هذا النهج يمكنه فعلياً تقليل التلوث البحري.

يساهم هذا البحث في جهد أوسع لحماية المحيط، وتحديداً دعم الأهداف العالمية للحد من النفايات البحرية والحفاظ على الحياة تحت الماء. ومن خلال دمج الاستشعار المتقدم مع اتخاذ القرارات الذكية، يوفر إطار العمل المقترح مساراً مهيكلاً نحو عمليات تنظيف مؤتمتة وقابلة للتوسع. وهو يسلط الضوة على أن حل مشكلة البلاستيك المغمور يتطلب أكثر من مجرد كاميرات أفضل؛ بل يتطلب رابطاً سلساً بين الرؤية، والفهم، والعمل. وإذا تم صقل هذه الأنظمة واختبارها في ظروف حقيقية، فقد توفر أداة قوية للحفاظ على نظافة المحيط، والوصول إلى الأعماق المظلمة حيث لا تستطيع الأيدي البشرية الوصول لاستعادة النفايات التي تهدد النظم البيئية البحرية.