روبوت بعقل كمي يتعرّف على الأجسام بين الحشود بدقة أعلى

تطور روبوت متنقل بعقل كمّي للتعرف على الأجسام وسط الحشود

طور باحثون روبوتاً متنقلاً مزوداً بعقل كمّي قادر على التعرف على الأجسام وسط الحشود بدقة أعلى والعمل بكفاءة في المناطق المزدحمة مثل المراكز التجارية ومحطات القطار، حيث يمكنه تتبع الأجسام بسرعة تصل إلى 23 إطاراً في الثانية، ورسم مسار مثالي أثناء الحركة والتفاعل الفوري مع العوائق لضمان حركة أكثر أماناً.

دمج الحوسبة الكمية في أنظمة القيادة الذاتية

وأفادت مجلة Interesting Engineering بأن شركتي توشيبا وMIRISE Technologies أصبحا أول شركتين في العالم يدمجان نظام تحسين كمّي داخل جهاز محمول مخصص للقيادة الذاتية، وفق موقع hayka. يعتمد الابتكار على تقنية SBM (آلة التشعب المحاكاة) التي طورتها توشيبا، وهو نوع من أجهزة الكمبيوتر المخصصة للتحسين باستخدام تقنيات الحوسبة الكمية، وقد أُشغّل على منصة تطوير مستقلة طورتها MIRISE.

خوارزمية متقدمة لتتبع الأجسام

عمل المهندسون على تطوير واختبار منصة نموذجية مزودة بخوارزمية لتتبع عدة أجسام في الوقت نفسه، ولا تقتصر على مطابقة جسم واحد فقط بل تدعم المطابقة المتعددة. وبفضل خاصية البحث السريع التي يوفرها النظام SBM يستطيع الروبوت إعادة تحديد موقع الجسم حتى في حال اختفائه مؤقتاً عن مجال الرؤية.

نتائج الأداء والتحديات

أظهرت النتائج تحسناً ملحوظاً في الأداء حيث بلغت سرعة الكشف والتتبع 23 إطاراً في الثانية، بينما النظام عادة يحتاج إلى 10 إطارات في الثانية كحد أدنى في أنظمة القيادة الذاتية. كما تحسنت دقة التتبع بنسبة 4% مقارنة بالاختبارات القياسية وسجل النظام زيادة بنسبة 23% في الاختبارات التي تقيم حالات حجب الأجسام.

اختبارات عملية وتطبيقات مستقبلية

خلال الاختبارات رُكّب نظام MIRISE FPGA المزود بالخوارزمية الجديدة على روبوت متحرك يعمل بالقيادة الذاتية، فتمكن من وضع تخطيط ديناميكي للمسار وتحليل دقة تحديد مواقع الأجسام واتجاهاتها وتعديل مناطق وجودها وكذلك التنبؤ بمواقعها المستقبلية. ساعد ذلك في تقليل المناورات غير الضرورية وتحسين كفاءة الملاحة. وتؤكد توشيبا أن أنظمة الحوسبة المحسّنة بتقنية الكم استخدمت في السابق للتحكم المركزي في الأنظمة المتنقلة لكنها لم تُدمج من قبل بشكل مباشر داخل منصة متنقلة للتحكم الذاتي. ويخطط المطورون مستقبلاً لتوسيعة استخدام SBM في المركبات الآلية وتنسيق عمل مجموعات الروبوتات وتحسين المسارات المعقدة وتوزيع المهام في الوقت الحقيقي.