تقدم في “الذكاء المكاني” يُمكّن الروبوتات من تصور البيئات المادية مثل البشر

يعمل مهندسون في معهد ماساتشوستس للتكنولوجيا على إعطاء الروبوتات القدرة على اتباع أوامر عالية المستوى، مثل الذهاب إلى غرفة أخرى لاسترجاع عنصر ما لفرد ما. من أجل إمكانية ذلك، ستحتاج الروبوتات إلى القدرة على تصور بيئاتها المادية بشكل مشابه للطريقة التي نفعلها نحن البشر.

لوكا كارلوني هو أستاذ مساعد في علم الفلك والفضاء في معهد ماساتشوستس للتكنولوجيا.

“من أجل اتخاذ أي quyếtار في العالم، تحتاج إلى نموذج عقلي للبيئة من حولك،” يقول كارلوني. “هذا شيء سهل للغاية بالنسبة للبشر. لكن بالنسبة للروبوتات، إنه مشكلة مؤلمة للغاية، حيث يتعلق الأمر بتحويل قيم البكسل التي يراها من خلال الكاميرا إلى فهم للعالم.”

为了应对这一挑战，研究人员基于人类对物理环境的感知和导航方式，建立了一个空间感知的表示模型用于机器人。

رسومات مشهد ديناميكية ثلاثية الأبعاد

النموذج الجديد يسمى رسومات مشهد ديناميكية ثلاثية الأبعاد، ويمكنه تمكين الروبوت من إنشاء خريطة ثلاثية الأبعاد لمحيطه المادي، بما في ذلك الكائنات وملصقاتها الدلالية. يمكن للروبوت أيضًا رسم خرائط للأشخاص والغرف والجدران والهياكل الأخرى في البيئة.

ثم يسمح النموذج للروبوت باستخراج المعلومات من الخريطة ثلاثية الأبعاد، والمعلومات التي يمكن استخدامها لتحديد موقع الكائنات والغرف وحركة الأشخاص.

“هذه التمثيل المضغوط للبيئة مفيد لأنها تسمح لروبوتنا بالتفكير بسرعة وتخطيط مساره،” يقول كارلوني. “هذا ليس بعيدًا عما نفعله نحن البشر. إذا كنت بحاجة إلى تخطيط مسار من منزلك إلى معهد ماساتشوستس للتكنولوجيا، لا تخطط كل موقف فردي تحتاجه. تفكر فقط على مستوى الشوارع والمعالم، مما يساعدك على تخطيط مسارك بشكل أسرع.”

وفقًا لكارلوني، الروبوتات التي تعتمد على هذا النموذج ستكون قادرة على القيام بأكثر من مجرد المهام المنزلية. يمكن استخدامها أيضًا لمهارات عالية المستوى والعمل جنبًا إلى جنب مع الأشخاص في المصانع، أو مساعدة في تحديد موقع الناجين من موقع كارثي.

https://www.youtube.com/watch?time_continue=39&v=SWbofjhyPzI&feature=emb_logo

الأساليب الحالية مقابل النموذج الجديد

تركز الأساليب الحالية للرؤية والتنقل الروبوتي بشكل رئيسي على الخرائط ثلاثية الأبعاد التي تسمح للروبوتات بتحويل بيئتها في ثلاثة أبعاد في الوقت الفعلي، أو التصنيف الدلالي، الذي يحدث عندما تصنف الروبوتات الميزات في البيئة على أنها كائنات دلالية، مثل سيارة مقابل دراجة. غالبًا ما يتم التصنيف الدلالي على صور ثنائية الأبعاد.

النموذج الجديد للمعرفة المكانية هو الأول من نوعه لإنشاء خريطة ثلاثية الأبعاد للبيئة في الوقت الفعلي وتسمية الكائنات والأشخاص والهياكل داخل الخريطة ثلاثية الأبعاد في نفس الوقت.

为了实现这一新模型，研究人员依赖于Kimera，一个开源库。Kimera之前由同一个团队开发，以同时构建环境的三维几何模型和编码对象的可能性，例如椅子与桌子。

“就像神话中的生物，它是不同动物的混合体，我们希望Kimera成为三维映射和语义理解的混合体，”说卡尔وني。

Kimera使用机器人摄像头的图像和传感器的惯性测量，以实时重建场景为三维网格。为了做到这一点，Kimera利用了一个经过数百万真实世界图像训练的神经网络。然后可以预测每个像素的标签并使用射线投射将它们投影到三维空间中。

通过使用这种技术，机器人的环境可以被映射为一个三维网格，其中每个面都被彩色编码，标识为环境中的对象、结构或人员的一部分。

من الشبكة ثلاثية الأبعاد إلى رسومات مشهد ديناميكية ثلاثية الأبعاد

由于三维 شبكة семантиك模型需要 الكثير من القدرة الحاسوبية ويتطلب وقتًا طويلاً، فقد استخدم الباحثون Kimera لتطوير خوارزميات أدت إلى رسومات مشهد ديناميكية ثلاثية الأبعاد.

يتم تقسيم الشبكة ثلاثية الأبعاد إلى طبقات семантиك منفصلة، ويمكن للروبوت بعد ذلك عرض المشهد من خلال طبقة. هذه الطبقات تتراوح من الكائنات والأشخاص إلى المساحات المفتوحة والهياكل، إلى الغرف والمرور والقاعات والمباني الكاملة.

تسمح هذه الطريقة للروبوت بتضييق تركيزه بدلاً من تحليل مليارات النقاط والوجوه. كما تسمح هذه الطريقة للخوارزميات بتتبع البشر وحركتهم في البيئة في الوقت الفعلي.

تم اختبار النموذج الجديد في محاكي واقعي ي模ّل روبوتًا يتحرك في بيئة مكتبية مع أشخاص متحركين.

“نحن ببساطة نمكّن الروبوتات من النماذج العقلية المماثلة لتلك التي نستخدمها نحن البشر،” يقول كارلوني. “هذا يمكن أن يؤثر على العديد من التطبيقات، بما في ذلك السيارات ذاتية القيادة والبحث والإنقاذ والتصنيع التعاوني والروبوتات المنزلية.

انضم إلى كارلوني المؤلف الرئيسي وطالب الدراسات العليا في معهد ماساتشوستس للتكنولوجيا أنطوني روزينول.

“منهجنا تمكن بفضل التقدم الأخير في التعلم العميق وعقود من البحث على التموضع المتزامن والخريطة،” يقول روزينول. “مع هذا العمل، نحن نقفز نحو عصر جديد من الإدراك الروبوتي يسمى الذكاء المكاني، وهو ما زال في مرحلته الأولى ولكنه له إمكانات كبيرة في الروبوتات والواقع الافتراضي والمعزز على نطاق واسع.

تم تقديم البحث في مؤتمر الروبوتات: العلوم والنظم الافتراضي.