تدريب الروبوتات على التنقل بثقة دون استخدام الـ GPS
طور علماء من جامعة ميغيل هيرنانديز في إلتشي نظاماً ثلاثي الأبعاد يدعى MCL-DLF، وهو اختصار لتحديد المواقع باستخدام تقنية مونت كارلو والميزات المحلية العميقة. يوفر هذا النظام تحديد مواقع دقيقة وواسعة النطاق عبر تقنية الليدار، ويُصمم لدعم التنقل طويل الأمد في المساحات الكبيرة، وقد خضع لاختبارات عدة داخل الحرم الجامعي وخارجه وفي ظروف بيئية متنوعة، محققاً أداء مستقراً عبر فترات زمنية مختلفة.
تم تدريب الروبوتات على التنقل في البيئة المحيطة مثل البشر، عبر الاعتماد على أجهزة استشعار وخوارزميات تعلم عميق تقلل الاعتماد على إشارات GPS وتتيح للروبوتات فهم المشاهد المحيطة بشكل أفضل.
آلية العمل وتحاكي الإدراك البشري
تبدأ الآلية بتحديد موقع تقريبي من خلال التعرف إلى السمات الهيكلية العامة في سحب نقاط الليدار ثلاثية الأبعاد كالمبانى والغطاء النباتي، ثم تضيق النطاق ليتم الانتقال إلى مرحلة تحديد الموقع الدقيق عبر تحليل السمات التفصيلية وتحديد الاتجاه بدقة عالية. ترتكز هذه الآلية على تقنيات تعلم عميق تستخرج السمات المحلية تلقائياً وتقلل الغموض حين التعامل مع أجسام مشابهة بصرياً، وتُدمج النتائج في إطار احتمالي يعتمد على طريقة مونت كارلو التي تواكب تحديث افتراضات الموقع مع تدفق بيانات المستشعرات.
متانة وتطبيقات واسعة
تمتاز خصائص النظام بقدرته على التعامل مع تغيّرات بيئية متنوعة مع الحفاظ على دقة مرتفعة وتقلبات زمنية قليلة، وهو أمر حاسم لخدمات الروبوتات واللوجستيات والمراقبة البيئية وفحص البنية التحتية والمركبات ذاتية القيادة. تمثل هذه التقنية خطوة مهمة نحو تمكين الروبوتات من العمل ذاتياً في بيئات واسعة وديناميكية دون الحاجة إلى بنية خارجية لتحديد المواقع.
