المصدر: جامعة القاهرة

الفكرة الأساسية

تطوير نظام SLAM* منخفض التكلفة وفعال باستخدام كاميرا استريو* كمستشعر رئيسي للمسافات، يمكنه رسم خريطة للبيئة الغير المعروفة وتحديد موقع الروبوت داخل هذه الخريطة بدون الحاجة إلى أجهزة استشعار خارجية، مع إمكانية تطبيقه في مجالات متنوعة مثل التنظيف والأمن والاستكشاف.

تفاصيل القصة

يعتبر نظام SLAM (التوطين والرسم المتزامن)* عملية حاسوبية تهدف إلى إنشاء خريطة لبيئة غير معروفة باستخدام روبوت متحرك*، مع تحديد موقعه داخل تلك الخريطة. يواجه هذا النظام تحديات كبيرة حيث أن عملية الرسم تتطلب التوطين، والعكس صحيح. يعتمد الروبوت على أجهزة استشعار داخلية للتنقل وفهم البيئة المحيطة، دون الحاجة إلى أجهزة استشعار خارجية مثل نظام تحديد المواقع العالمي (GPS)* أو نظام تحديد المواقع الداخلي (IPS).

تصميم النظام وأجزائه

في هذا البحث، قام العلماء بتصميم وتطوير نظام SLAM* منخفض التكلفة يعتمد على كاميرا استريو* كجهاز استشعار رئيسي للمسافات. يتكون النظام من أربعة أجزاء رئيسية:

منصة الروبوت المتحرك*

الروبوت المستخدم هو روبوت ذو عجلات تفاضلية مزودة بمرمّزات بصرية للعجلات لتقدير الموقع والاتجاه. يتم التحكم في الروبوت بواسطة لوحة Arduino التي تتواصل مع الحاسوب الصغير.

كاميرا استريو*

الكاميرا المستخدمة هي وحدة Kinect من Xbox 360، التي تلتقط الصور البيئية وتحسب العمق باستخدام تقنيات الرؤية الحاسوبية. تتصل الكاميرا بحاسوب Raspberry Pi 3 عبر USB، والذي يقوم بتشغيل خوارزمية SLAM* ومعالجة البيانات الواردة من الكاميرا ومرمّزات العجلات، ويتواصل لاسلكياً مع المحطة الأرضية عبر راوتر Wi-Fi*.

الحاسوب الصغير والمحطة الأرضية

يعمل Raspberry Pi 3 بنظام لينكس ويشغّل خوارزمية SLAM* ويعالج بيانات الروبوت. أما المحطة الأرضية فهي عبارة عن لابتوب يعالج المعلومات الواردة من الروبوت ويبني خريطة البيئة ويقدر موقع الروبوت، ويستخدم نظام التشغيل الروبوتي (ROS)* لعرض الخرائط والتواصل مع الحاسوب الصغير.

خوارزمية SLAM* المستخدمة

الخوارزمية المستخدمة هي خوارزمية Rao-Blackwellized Particle Filter* - التصفية الجسيمية* (FastSLAM)، التي تجمع بين التصفية الجسيمية* وتقنية Rao-Blackwellized*. تقسم FastSLAM المشكلة إلى توطين الروبوت وتقدير مواقع المعالم، باستخدام فلتر جسيمات معدّل لمسار الروبوت وتصفية كالمان* متعددة لمواقع المعالم.

نتائج البحث

تم اختبار النظام في بيئات افتراضية وواقعية داخلية، ونجح في تحديد ورسم معالم البيئة بدقة. أجرى الباحثون تجربتين: واحدة في ممر طويل مع وجود عقبات، وأخرى في قاعة كبيرة مليئة بالعقبات. أظهرت النتائج قدرة النظام على التعرف على الأشياء ورسمها بنجاح.

التطبيقات المحتملة

يمكن استخدام النظام في مجالات متعددة تتطلب الملاحة الذاتية ورسم الخرائط للبيئات غير المعروفة، مثل مهمات الاستكشاف والإنقاذ في المناطق الخطرة، والمراقبة الأمنية، ومهام الخدمة والترفيه في الفنادق والمتاحف، بالإضافة إلى التعليم والبحث في مجال الروبوت والرؤية الحاسوبية.

أثبت النظام فعاليته وانخفاض تكلفته في تنفيذ مهام SLAM* في البيئات الداخلية غير المعروفة، مع إمكانية تطبيقه في الاستخدامات التجارية مثل التنظيف وجمع القمامة في المراكز التجارية. يقترح الباحثون تحسين النظام بإضافة المزيد من أجهزة الاستشعار وتحسين خوارزمية SLAM* ودمج وظائف ملاحة إضافية مستقبلاً.

المصطلحات الأساسية(*)

• • SLAM (التوطين والرسم المتزامن - Simultaneous Localization And Mapping): تقنية تستخدمها الروبوتات لرسم خريطة لبيئة غير معروفة وتحديد موقعها داخل تلك الخريطة بشكل متزامن.
  • الروبوت المتحرك: جهاز ميكانيكي مجهز بأجهزة استشعار ومعالجات يمكنه التحرك والتنقل في بيئته بشكل ذاتي.
  • كاميرا استريو: جهاز تصوير يستخدم عدستين لالتقاط صور ثنائية الأبعاد وتحويلها إلى معلومات ثلاثية الأبعاد، مما يساعد الروبوتات في قياس المسافات والأعماق.
  • مستشعرات (Sensors): تم شرحه في مقال GelPalm: ثورة في تصميم اليد الروبوتية.
  • نظام التشغيل الروبوتي (ROS): منصة برمجية مفتوحة المصدر تُستخدم لتطوير برامج الروبوتات، توفر أدوات وخدمات لتسهيل برمجة الروبوتات وتشغيلها.
  • تصفية كالمان (Kalman Filter): خوارزمية رياضية تستخدم لتقدير القيم الغير المعروفة بناءً على القياسات الملاحظة التي تحتوي على ضوضاء.
  • التصفية الجسيمية (Particle Filter): خوارزمية تستخدم مجموعة من الجسيمات لتمثيل التوزيعات الاحتمالية وتتبع حالات النظام الديناميكي.
  • نظام تحديد المواقع العالمي (GPS): تم شرحه في مقال تحسين دقة نظام تحديد المواقع العالمي (GPS) باستخدام بيانات المركبات المجمّعة جماعيًا.
  • ليدار (LiDAR): تم شرحه في مقال ثورة الواقع المعزز في الهندسة المعمارية.
  • راوتر Wi-Fi: جهاز يُستخدم لتوصيل الروبوت لاسلكياً بالإنترنت أو بالشبكات المحلية، مما يتيح له التواصل مع الأجهزة الأخرى.
  • تقنية Rao-Blackwellized: طريقة إحصائية تستخدم لتحسين تقديرات المتغيرات العشوائية. تعتمد هذه التقنية على مبدأ استخدام المعلومات المتاحة لتقليل التباين في التقديرات، وبالتالي الحصول على تقديرات أكثر دقة. في سياق أنظمة SLAM، تُستخدم تقنية Rao-Blackwellized لتجزئة المشكلة إلى قسمين:
    • توطين الروبوت: يتم تقدير مسار الروبوت باستخدام تصفية جسيمات (Particle Filter).
    • تقدير مواقع المعالم: يتم استخدام تصفية كالمان (Kalman Filters) المتعددة لتحديد مواقع المعالم في البيئة.
    • هذه الطريقة تعمل على تحسين دقة التقديرات من خلال استغلال المعلومات المشتركة بين تقدير موقع الروبوت وتقدير مواقع المعالم.