3 أسئلة: شحذ إدراك الروبوت ورسم الخرائط | أخبار معهد ماساتشوستس للتكنولوجيا

قد يبدو المشي إلى منزل أحد الأصدقاء أو تصفح ممرات محل بقالة بمثابة مهام بسيطة، ولكنها في الواقع تتطلب قدرات متطورة. وذلك لأن البشر قادرون على فهم محيطهم بسهولة واكتشاف المعلومات المعقدة حول الأنماط والأشياء وموقعهم في البيئة.

ماذا لو تمكنت الروبوتات من إدراك بيئتها بطريقة مماثلة؟ هذا السؤال يدور في أذهان الباحثين في مختبر معهد ماساتشوستس للتكنولوجيا لأنظمة المعلومات والقرار (LIDS)، لوكا كارلون وجوناثان هاو. في عام 2020، أصدر فريق بقيادة كارلون الإصدار الأول من كيميرا، وهي مكتبة مفتوحة المصدر تمكن روبوتًا واحدًا من إنشاء خريطة ثلاثية الأبعاد لبيئته في الوقت الفعلي، مع وضع علامات على الكائنات المختلفة في العرض. في العام الماضي، قامت مجموعات بحث كارلون وكيف (مختبر سبارك و مختبر التحكم في الفضاء الجوي) قدَّم كيميرا-متعددوهو نظام محدث تتواصل فيه عدة روبوتات فيما بينها من أجل إنشاء خريطة موحدة. أ 2022 ورق المرتبطة بالمشروع الذي تم استلامه مؤخرًا هذا العام معاملات IEEE على الروبوتات جائزة King-Sun Fu التذكارية لأفضل ورقة، تُمنح لأفضل ورقة بحثية منشورة في المجلة في عام 2022.

تحدث كارلون، وهو أستاذ مشارك في التطوير الوظيفي في ليوناردو للملاحة الجوية والفضائية، وكيف، أستاذ ريتشارد كوكبيرن ماكلورين في الطيران والملاحة الفضائية، إلى LIDS حول Kimera-Multi ومستقبل كيفية إدراك الروبوتات لبيئتها والتفاعل معها.

س: تركز مختبراتك حاليًا على زيادة عدد الروبوتات التي يمكنها العمل معًا لإنشاء خرائط ثلاثية الأبعاد للبيئة. ما هي بعض المزايا المحتملة لتوسيع نطاق هذا النظام؟

كيف: وتتوقف الفائدة الرئيسية على الاتساق، بمعنى أن الروبوت يمكنه إنشاء خريطة مستقلة، وهذه الخريطة متسقة ذاتيًا ولكنها ليست متسقة عالميًا. نحن نهدف إلى أن يكون لدى الفريق خريطة متسقة للعالم؛ هذا هو الاختلاف الرئيسي في محاولة التوصل إلى توافق في الآراء بين الروبوتات بدلاً من رسم الخرائط بشكل مستقل.

كارلون: في العديد من السيناريوهات، من الجيد أيضًا أن يكون لديك القليل من التكرار. على سبيل المثال، إذا قمنا بنشر روبوت واحد في مهمة بحث وإنقاذ، وحدث شيء ما لذلك الروبوت، فسوف يفشل في العثور على الناجين. إذا كان هناك عدة روبوتات تقوم بالاستكشاف، فهناك فرصة أفضل بكثير للنجاح. إن توسيع نطاق فريق الروبوتات يعني أيضًا إمكانية إكمال أي مهمة معينة في فترة زمنية أقصر.

س: ما هي بعض الدروس التي تعلمتها من التجارب الأخيرة والتحديات التي كان عليك التغلب عليها أثناء تصميم هذه الأنظمة؟

كارلون: لقد قمنا مؤخرًا بتجربة رسم خرائط كبيرة في حرم معهد ماساتشوستس للتكنولوجيا، حيث قطعت ثمانية روبوتات مسافة تصل إلى 8 كيلومترات إجمالاً. ليس لدى الروبوتات معرفة مسبقة بالحرم الجامعي، ولا يوجد نظام تحديد المواقع العالمي (GPS). وتتمثل مهامهم الرئيسية في تقدير مسارهم وبناء خريطة حوله. تريد أن تفهم الروبوتات البيئة كما يفعل البشر؛ فالبشر لا يفهمون فقط شكل العوائق، والالتفاف حولها دون الاصطدام بها، بل يفهمون أيضًا أن الشيء هو كرسي، ومكتب، وما إلى ذلك. هناك الجزء الدلالي.

والشيء المثير للاهتمام هو أنه عندما تلتقي الروبوتات ببعضها البعض، فإنها تتبادل المعلومات لتحسين خريطتها للبيئة. على سبيل المثال، إذا اتصلت الروبوتات، فيمكنها الاستفادة من المعلومات لتصحيح مسارها. ويتمثل التحدي في أنه إذا كنت تريد التوصل إلى توافق في الآراء بين الروبوتات، فلن يكون لديك النطاق الترددي لتبادل الكثير من البيانات. تتمثل إحدى المساهمات الرئيسية في بحثنا لعام 2022 في نشر بروتوكول موزع، حيث تتبادل الروبوتات معلومات محدودة ولكن لا يزال بإمكانها الاتفاق على كيفية ظهور الخريطة. إنهم لا يرسلون صور الكاميرا ذهابًا وإيابًا ولكنهم يتبادلون فقط إحداثيات ثلاثية الأبعاد محددة وأدلة مستخرجة من بيانات المستشعر. ومع استمرارهم في تبادل مثل هذه البيانات، يمكنهم التوصل إلى توافق في الآراء.

نقوم حاليًا ببناء شبكات أو خرائط ثلاثية الأبعاد مرمزة بالألوان، حيث يحتوي اللون على بعض المعلومات الدلالية، مثل "الأخضر" الذي يتوافق مع العشب، و"الأرجواني" الذي يشير إلى المبنى. لكن كبشر، لدينا فهم أكثر تطورًا للواقع، ولدينا الكثير من المعرفة المسبقة حول العلاقات بين الأشياء. على سبيل المثال، إذا كنت أبحث عن سرير، سأذهب إلى غرفة النوم بدلاً من استكشاف المنزل بأكمله. إذا بدأت في فهم العلاقات المعقدة بين الأشياء، فيمكنك أن تصبح أكثر ذكاءً فيما يتعلق بما يمكن أن يفعله الروبوت في البيئة. نحن نحاول الانتقال من التقاط طبقة واحدة فقط من الدلالات إلى تمثيل أكثر هرمية تفهم فيه الروبوتات الغرف والمباني والمفاهيم الأخرى.

س: ما هي أنواع التطبيقات التي قد تؤدي إليها Kimera والتقنيات المماثلة في المستقبل؟

كيف: تقوم شركات المركبات ذاتية القيادة بالكثير من رسم خرائط العالم والتعلم من البيئات التي تتواجد فيها. وسيكون الهدف الأسمى هو أنه إذا تمكنت هذه المركبات من التواصل مع بعضها البعض وتبادل المعلومات، فيمكنها تحسين النماذج والخرائط بشكل أسرع بكثير. الحلول الحالية هناك فردية. إذا توقفت شاحنة بجانبك، فلن تتمكن من الرؤية في اتجاه معين. هل يمكن لمركبة أخرى أن توفر مجال رؤية لا تتمتع به سيارتك؟ هذه فكرة مستقبلية لأنها تتطلب من المركبات التواصل بطرق جديدة، كما أن هناك مشكلات تتعلق بالخصوصية يجب التغلب عليها. ولكن إذا تمكنا من حل هذه المشكلات، فيمكنك تصور تحسن كبير في وضع السلامة، حيث يمكنك الوصول إلى البيانات من وجهات نظر متعددة، وليس فقط مجال رؤيتك.

كارلون: سيكون لهذه التقنيات الكثير من التطبيقات. لقد ذكرت في وقت سابق البحث والإنقاذ. تخيل أنك تريد استكشاف غابة والبحث عن الناجين، أو رسم خريطة للمباني بعد وقوع زلزال بطريقة يمكن أن تساعد المستجيبين الأوائل في الوصول إلى الأشخاص المحاصرين. هناك مكان آخر حيث يمكن تطبيق هذه التقنيات في المصانع. حاليا، الروبوتات التي يتم نشرها في المصانع جامدة للغاية. إنهم يتبعون الأنماط الموجودة على الأرض، ولا يكونون قادرين حقًا على فهم البيئة المحيطة بهم. ولكن إذا كنت تفكر في مصانع أكثر مرونة في المستقبل، فسيتعين على الروبوتات التعاون مع البشر والتواجد في بيئة أقل تنظيماً بكثير.