أثبت بحث حديث أن روبوتاً متنقلاً مزوداً بعقلٍ كمّي يمكنه التعرف على الأجسام وسط الحشود بدقة أعلى، والعمل بكفاءة في المناطق المزدحمة مثل مراكز التسوق ومحطات القطار، حيث يستطيع تتبع الأجسام بسرعة تصل إلى 23 إطاراً في الثانية، ويرسم مساراً مثالياً أثناء الحركة ويتفاعل فوراً مع العوائق لضمان حركة أكثر أماناً.
وأشارت مجلة Interesting Engineering إلى أن شركتي توشيبا وMIRISE Technologies أصبحتا أول شركتين في العالم تدمجان نظاماً محسّناً كمّياً داخل جهاز مخصص للقيادة الذاتية، وفقاً لموقع Hayka.
دمج الحوسبة الكمية في أنظمة القيادة الذاتية
يعتمد الابتكار على تقنية SBM، آلة التشعب المحاكاة التي طورتها توشيبا، وهي نوع من أجهزة الكمبيوتر المخصصة لتحسين الأداء عبر الحوسبة الكمية، وتم تشغيله على منصة تطوير مستقلة طوّرتها MIRISE.
وتواجه أنظمة القيادة الذاتية حالياً تحديات في اكتشاف العوائق وتتبع المسارات واتخاذ القرارات في الوقت الفعلي، وتستند عادة إلى الكاميرات والليدار لجمع البيانات، لكن مع تعقيد المهام تتزايد الحاجة إلى قدرات معالجة أعلى ضمن قيود الحجم والطاقة والتكلفة، ويسهم SBM في تحسين الأداء عبر الاستفادة من الحوسبة الكمية.
خوارزمية متقدمة لتتبع الأجسام
طور المهندسون منصة نموذجية مزودة بخوارزمية تتبع متعددة الأجسام في الوقت نفسه، ولا تقتصر على مطابقة جسم واحد بل تدعم المطابقة المتعددة، وبفضل البحث السريع الذي يوفره SBM يستطيع الروبوت إعادة تحديد موقع الجسم حتى عند اختفائه مؤقتاً من الرؤية.
أظهرت النتائج تحسناً في الأداء، حيث بلغت سرعة الكشف والتتبع 23 إطاراً في الثانية، بينما الحد الأدنى المطلوب عادة في أنظمة القيادة الذاتية 10 إطارات في الثانية، كما تحسّن التتبع بنسبة 4% مقارنة بالاختبارات القياسية، وزاد الاختبار الذي يقيم حالات حجب الأجسام بنسبة 23%.
اختبارات عملية وتطبيقات مستقبلية
أُثبت نظام MIRISE FPGA المزود بالخوارزمية الجديدة على روبوت متحرك يعمل بالقيادة الذاتية، فتمكن الجهاز من التخطيط الديناميكي للمسار بتحليل دقة مواقع الأجسام واتجاهاتها وتعديل مناطق وجودها والتنبؤ بمواقعها المستقبلية.
سهم ذلك في تقليل المناورات غير الضرورية أثناء الحركة وتحسين كفاءة الملاحة. وأكدت توشيبا أن أنظمة الحوسبة المحسّنة بتقنية الكم استخدمت سابقاً للتحكم المركزي في الأنظمة المتنقلة لكنها لم تُدمج مباشرة داخل منصة متنقلة للتحكم الذاتي.
ويخطط المطورون مستقبلاً لتوسيع استخدام SBM في المركبات الآلية إضافة إلى تنسيق عمل فرق الروبوتات وتحسين المسارات المعقدة وتوزيع المهام في الوقت الفعلي.
