بيانات مجمعة من أجهزة الاستشعار المتعددة للروبوت من أجل الملاحة الموثوقة

وفي مجال الأعمال الآلية المتطور بسرعة، فإن القدرة على تصور البيئات المعقدة الملاحية والبحرية هي في غاية الأهمية، وقد برزت خوارزميات الاندماج الحاصلية كتقنية أساسية تمكن الآليين من دمج البيانات المستمدة من أجهزة الاستشعار المتعددة، وخلق فهم شامل وموثوق به لضوابطهم، وبتجميع المعلومات من مختلف أنواع الاستشعار - كل منها مع قوة وحدودها في مجال التبخير.

وينجم تحدي التصور الآلي عن واقع أساسي: لا يمكن لأي جهاز استشعار واحد أن يقدم معلومات كاملة ودقيقة عن بيئة في جميع الظروف، حيث أن الكاميرات تبرز في الأسر ذات التفاصيل البصرية الغنية، ولكنها تكافح في جو منخفض أو معاكس، وتوفر ليدار قياسات دقيقة للمسافات، ولكنها تولد كميات هائلة من البيانات ويمكن أن تكون باهظة التكلفة، وتعطي أجهزة الاستشعار الصوتية كشفاً موثوقاً عن قرب في المدى القريب، ولكن لديها حدود زمنية محدودة.

فهم ارتجاج الاستشعار: المبادئ والأسس

إن عملية الدمج بين البيانات أو البيانات الحسية المستمدة من مصادر مختلفة هي عملية حسابية لجمع معلومات أكثر دقة والكاملة وموثوقية مما يمكن تحقيقه باستخدام أي جهاز استشعار وحيد، وفي جوهره، يعالج دمج أجهزة الاستشعار حالة عدم اليقين المتأصلة في جميع القياسات الاستشعارية وذلك بتطبيق أساليب التحمل، والتقنيات الإحصائية، والمقاييس الذكية غير الكاملة لاستخراج أي مجرى من واقع محتمل أو غير مكتمل.

والمبدأ الأساسي الذي يقوم عليه تكاثر أجهزة الاستشعار هو أن أجهزة الاستشعار المختلفة توفر معلومات تكميلية عن نفس البيئة أو الظاهرة، وعندما تكون هذه البيانات التكميلية متكاملة على نحو سليم، تخلق أثرا تآزريا حيث تكون المعلومات مجتمعة أكبر من مجموع أجزاءها، ويحدث هذا التكامل على مختلف مستويات الارتداد، من تجهيز الإشارات المنخفضة المستوى إلى فهم رئوي رفيع المستوى، وذلك حسب متطلبات التطبيق المحددة والقيود الحسابية.

أنواع المذاهب الحساسة

ويمكن تنظيم نظم تكاثر أجهزة الاستشعار وفقاً لمختلف النماذج المعمارية، لكل منها خصائص متميزة وحالات استخدام، ويعد فهم هذه البنى أمراً أساسياً لتصميم نظم فعالة للتصور الآلي.

(أ) يشمل تركيب الصمامات الكهربائية () جمع البيانات الخام من جميع أجهزة الاستشعار وتجهيزها في موقع مركزي واحد، ويوفر هذا النهج الأداء الأمثل من حيث الدقة لأن خوارزمية الدمج لها إمكانية الوصول إلى جميع المعلومات المتاحة في آن واحد، غير أنه يتطلب موارد حساسة كبيرة وقنوات اتصال عالية النطاق يمكن أن تشكل تحدياً في التعامل مع النظم الآلية الموزعة.

(أ) يوزع هيكل الوقود المصمم المعالجة عبر عقد متعدد، حيث يقوم كل جهاز استشعار أو جهاز استشعار بإجراء التجهيز المحلي قبل تبادل النتائج مع جهات أخرى، ويقلل هذا النهج من متطلبات النطاق الترددي للاتصالات ويحسن من قابلية النظام للتعقيد والتسامح إزاء الأخطاء، ويحتفظ كل عقد بتقديره الخاص للنظام، ويتبادل المعلومات مع نظم التوافق القيمة.

(أ) ينظم هيكل الصمامات الهرمية أجهزة الاستشعار والتجهيز إلى مستويات متعددة، مع انخفاض مستويات معالجة بيانات الاستشعار الخام وارتفاع مستويات التعامل مع التمثيلات المستعصية بشكل متزايد، فعلى سبيل المثال، قد يتدفق أقل مستوى البيانات من أجهزة الاستشعار فوق الصوتية المتعددة إلى اكتشاف العقبات، وقد يجمع المستوى المتوسط بين هذا وبين أعلى البيانات المتعلقة بالكاميرات لتصنيف العقبات.

مستويات ارتشال أجهزة الاستشعار

ويمكن أن يحدث اندماج في أجهزة الاستشعار على مستويات مختلفة من ردود الفعل على البيانات، حيث يقدم كل منها مزايا وتحديات متميزة فيما يتعلق بالتطبيقات الآلية.

(ب) يجمّع جهاز الاستشعار الخام إشارات الاستشعار الخام قبل حدوث أي عملية استخراج أو تجهيز خاصة، ويحفظ هذا النهج المحتوى الأقصى للمعلومات ويتيح التجهيز المشترك المتطور للبيانات المستشعرة، غير أنه يتطلب من أجهزة الاستشعار قياس نفس الظاهرة المادية في أشكال متوافقة ويطالب بأجهزة تصوير متماثلة كبيرة.

]Mid-Level Fusion (Feature-Level Fusion)][يعمل على ملامح مستخرجة من أجهزة استشعار فردية بدلاً من إشارات أولية، ويقوم كل جهاز استشعار بتجميع بياناته لاستخراج السمات ذات الصلة - مثل الحواف من الكاميرات، أو الغيوم من نظام ليدار، أو تقديرات السرعة من أجهزة الاستشعار IMUs - التي يجري تجميعها.

High-Level Fusion (Decision-Level Fusion)] combines decisions or classifications made independently by each sensor system. Each sensor processes its data completely and produces a decision or hypothesis about the environment, which is then integrated with decisions from other sensors using voting schemes, Bayesian inference, or other decision-making frameworks.

أجهزة الاستشعار الأساسية في نظم الملاحة الآلية

نظم الروبوت الحديثة تستخدم مجموعة متنوعة من أجهزة الاستشعار، كل منها يقدم معلومات فريدة عن بيئة الروبوتات وحالتها الداخلية فهم خصائص هذه أجهزة الاستشعار وقوامها والحدود التي تحد منها، أمر حاسم لتصميم استراتيجيات فعالة لدمج أجهزة الاستشعار.

أجهزة الاستشعار البصرية: أجهزة التصوير ونظم الرؤية

والكاميرات هي من بين أكثر أجهزة الاستشعار التي تثرى المعلومات المتاحة للآليين، حيث تلتقط معلومات مرئية مفصلة عن البيئة بما في ذلك اللون والنسيج والعلاقات المكانية، وتوفر كاميرات المناظير بيانات صورية ذات صبغة ثنائية يمكن معالجتها لكشف الأجسام والاعتراف بها وتتبعها، وتستخدم نظم التصوير المرئية الشعاعية كاميراتين أو أكثر للتمكين من التصور العميق عن طريق التر، مما يخلق أشكالاً من أجهزة التصوير المصممة ذات اللون.

وتشمل المزايا الرئيسية للمستشعرات البصرية كثافة المعلومات العالية، وانخفاض التكلفة نسبيا، والقدرة على جمع المعلومات الاصطناعية التي تتيح التعرف على الأجسام وفهمها، غير أن الكاميرات تواجه تحديات كبيرة في ظروف الإضاءة المختلفة، وهي عرضة للضبابية، ومحدودية النطاق الدينامي، وتتطلب موارد حساسة كبيرة لتجهيز الصور، وقد تؤدي الظروف الحرجة مثل الأمطار أو الضباب أو الثلج إلى تدهور شديد في أداء الكاميرا.

LiDAR: Light Detection and Ranging

وتُظهر أجهزة الاستشعار الليزرية الليزرية الليزرية وتقيس الوقت الذي يستغرقه ذلك من أجل العودة إلى الضوء المعبر، مما يخلق سحابات دقيقة من النقاط الثلاث الأبعاد للبيئة المحيطة، وتوفر هذه أجهزة الاستشعار قياسات دقيقة للمسافات بغض النظر عن ظروف الإضاءة ويمكن أن تعمل بفعالية في ظلام كامل، وتتراوح نظم الـ " ليدار " الحديثة بين أجهزة الاستشعار الأحادية والأعشاب المتطورة والوحدات المتعددة الأبعاد التي تستوعب ملايين النقاط في الثانية، مما يخلق ثلاثة60.

(ب) تغريم نظام ليدار للمعلومات الجغرافية الدقيقة عن البيئة، مما يجعله أمراً لا غنى عنه لكشف العقبات ورسم الخرائط والتحويل إلى مواقع أخرى، فالتكنولوجيا محصنة إلى حد كبير على التغيُّرات، ويمكن أن تقيس المسافات بدقة على مستوى المليمتر في المدىات التي تمتد إلى مئات الأمتار، غير أن نظم قياس خط العرض يمكن أن تكون باهظة، ولا سيما الوحدات ذات الاستبانة، وتولد كميات هائلة من البيانات التي تتطلب قدرة على معالجة النفايات.

وحدات القياس غير القانوني

يُجمع جهاز قياس الترددات، والمظاريف، وعادة ما يُقَسِّم تسارع الروبوتات، والسرعة العضلية، والتوجه، وهذه أجهزة الاستشعار توفر قياسات عالية التردد للحركة الروبوتية، وهي ضرورية لفهم السلوك الدينامي، والحفاظ على التوازن، وتقدير التغيرات في الوضع بين تحديثات الاستشعار الأخرى، والمقاييس الحديثة للكميات، والمقاييس الضوئية

وتتمثل القوة الرئيسية لوحدات الرصد الدولية في قدرتها على توفير معلومات مستمرة عن الحركة بمعدلات عالية جداً، عادةً مئات أو آلاف المرات في الثانية، وهي أجهزة استشعار ذاتية لا تعتمد على المراجع الخارجية والعمل في أي بيئة، غير أن وحدات الرصد المتكاملة تعاني من أخطاء قياسية حادة الحجم تتراكم بمرور الوقت من خلال التكامل، مما يتسبب في عدم دقة تقديرات الموقع والتوجه بشكل متزايد.

أجهزة الاستشعار الصوتية والأشعة تحت الحمراء

وتُظهر أجهزة الاستشعار فوق الصوتية الموجات الصوتية العالية التردد وتقيس الوقت اللازم للعودة، وتوفر قياسات عن بعد للأجسام القريبة، وهذه أجهزة الاستشعار غير مكلفة وموثوق بها في المدى القريب، وتعمل في ظروف إضاءة مختلفة، غير أن لديها نطاق محدود (بشكل محدد بضعة أمتار)، ومعدلات تحديث منخفضة نسبيا، ويمكن أن تنتج انعكاسات مضاربة تسبب أخطاء قياسية على السطح الزاوي.

وتستخدم أجهزة الاستشعار القريبة من أشرطة تحت الحمراء الضوء في الطيف المغطى بالأشعة تحت الحمراء للكشف عن الأجسام القريبة إما عن طريق قياسات كثافة التأمل أو وقت الطيران، وهذه أجهزة الاستشعار مدمجة وسريعة ولكنها محدودة جدا ويمكن أن تتأثر بالضوء المحيط والخصائص السطحية، وتستخدم أجهزة الاستشعار فوق الصوتية والأشعة تحت الحمراء عادة في كشف العقبات القريبة المدى وتجنب الاصطدام في الروبوتات المتنقلة.

نظم النظام العالمي لتحديد المواقع والنظم العالمية لسواتل الملاحة

يوفر النظام العالمي لتحديد المواقع والنظم العالمية الأخرى لسواتل الملاحة معلومات مطلقة عن الموقع باستلام إشارات من السواتل المدارية، وهذه النظم تمكن الآليين من تحديد موقعهم على الأرض بدقة تتراوح بين عدة أمتار للمتلقين العاديين وأجهزة قياس سنتيمتر للنظم المختلفة لتحديد المواقع الجغرافية ونظام " ريليم كينتي " .

إن النظام العالمي لتحديد المواقع لا غنى عنه للملاحة الخارجية في المناطق الكبيرة، إذ يوفر إطارا مرجعيا عالميا يحول دون تراكم أخطاء تحديد المواقع، غير أن النظام العالمي لتحديد المواقع يتطلب وضوحا واضحا في السماء ويفشل في البيئات الداخلية، أو في الكانتونات الحضرية، أو تحت الأعلاف الكثيفة، ويمكن أن تتباين نوعية الإشارات اختلافا كبيرا، كما أن دقة النظام العالمي لتحديد المواقع غير كافية للعديد من التطبيقات الآلية دون تعزيزها من خلال إدخال تصويبات أو صمامات حسية مختلفة مع نظم أخرى لتحديد المواقع.

أجهزة استشعار العجلات وأجهزة استشعار الخوذات

ويقيّم مجهزو العجلات تناوب العجلات الآلية، ويمكّنون من حساب المسافة المسافرة والتغييرات في الموقع من خلال عملية تسمى المقاييس، وهذه الحساسات بسيطة وغير مكلفة، وتوفر معلومات مستمرة عن الحركة، غير أن المقاييس تُعاني من أخطاء تراكمية بسبب زلقة العجلات، وعدم توازن التضاريس، مما يجعلها غير موثوقة بالنسبة للملاحة الخارجية البعيدة المدى دون تصحيح.

Core Sensor Fusion Algorithms for Robotic Navigation

وقد تطورت الأطر والمقاييس الرياضية التي تتيح إدخال أجهزة الاستشعار الفعالة تطورا كبيرا على مدى عقود من البحوث في مجال النظريات الرقابية، وتجهيز الإشارات، والآليات، وتوفر هذه الخوارزميات أساليب مبدئية لجمع قياسات الاستشعار غير المؤكدة لإنتاج تقديرات الدولة المثلى.

The Kalman Filter: Foundation of Modern Sensor Fusion

ويظل مرشح كالمان، الذي طوره رودولف كالمان في عام 1960، واحدا من أكثر الخوارزميات استخداماً في مجال تكاثر أجهزة الاستشعار في الروبوتات، وهذا الخوارزمي التصحيحي يوفر تقديرات مثالية لحالة النظام من خلال الجمع بين التنبؤات من نموذج رياضي وقياسات من أجهزة الاستشعار، مع ترجيح كل منها وفقاً لأوجه عدم اليقين التيقن التي لدى كل منها، ويعمل المرشح في مرحلتين مستكملتين:

وخلال مرحلة التنبؤ، يستخدم الخوارزمية نموذجا رياضيا لديناميات النظام للتنبؤ بالوضع الحالي استنادا إلى تقديرات الدولة السابقة، ويشمل هذا التنبؤ تقديراً للغموض في التنبؤ، الذي ينمو عادة بمرور الوقت مع تراكم عيوب النموذج، وفي مرحلة التحديث، عندما تصبح القياسات الجديدة للدودة متاحة، يقارن متوسط الوزن النسبي بالمقياس الأمثل.

ويكمن النبذة الرياضية لمرشاة كالمان في تحقيق أمثليتها: فبافتراضات ديناميات النظام الخطي، والضوضاء الغوسي، وإحصاءات الضوضاء المعروفة، توفر الحد الأدنى من تقدير الخطأ المربع في حالة النظام، وهذا المثال، إلى جانب الكفاءة الحسابية والصيغة الترفيهية التي تتطلب فقط تقدير الدولة السابق (وليس التاريخ كله)، قد جعل نظاماً للملاحة الآليين لا يحصى.

وفي التطبيقات الآلية، تستخدم مرشحات كالمان عادة لتثبيت بيانات وحدة التفتيش المشتركة مع أجهزة استشعار أخرى لتحديد المواقع، فعلى سبيل المثال، يمكن للآلي أن يستخدم قياسات وحدة الرصد الدولي للتنبؤ بتغيرات الوضع في تردد عال مع القيام دوريا بتصحيح هذه التنبؤات باستخدام قياسات النظام العالمي لتحديد المواقع أو قياسات الأوعية البصرية، ويقيم المرشح تلقائيا بيانات عالية التردد ولكنها مع بيانات قياسات العائمة مع انخفاض التردد، ولكن المعلومات السلسة عن النظام العالمي لتحديد المواقع.

مُوسعة فيل (KKF): معالجة النظم غير العنكبوتية

وفي حين أن نظام التصفية الموحد لكالمان هو الأمثل بالنسبة للنظم السككية، فإن معظم النظم الآلية تنطوي على ديناميات غير خطية ونماذج استشعارية، وعادة ما ينطوي الطلب الآلي على التناوب، وهو أمر لا يُعد في جوهره خطا، كما أن العديد من أجهزة الاستشعار مثل الكاميرات ومكتشفي النطاقات لديها نماذج قياس غير خطية، وتعالج شركة كالمان المحدودة هذا التقييد من خلال تكييف النظام غير الخطي حول تقديرات الدولة الحالية باستخدام توسيع سلسلة تايلور.

ويتبع مرفق البيئة العالمية نفس الهيكل الذي يُتوقع أن يكون هو مرشح كالمان العادي، ولكنه يستخدم مصفوفات جاكوبيان - مصفوفات المشتقات الجزئية - لتقارب المهام غير الخطية محلياً كوظيفة خطية، وأثناء التنبؤ، يُدرج الصندوق نموذج الحركة حول التقدير الحالي للدولة لنشر الحالة وعدم اليقين في الوقت المناسب، ويُدرج في البيانات الجديدة نموذج القياس.

وقد استخدمت شبكة إي كي إف على نطاق واسع في الملاحة الآلية، ولا سيما بالنسبة لمشاكل تحديد المواقع والرسم في الوقت نفسه، حيث يجب على الروبوت أن يبني خريطة لبيئة غير معروفة، مع تحديد موقعها في آن واحد في إطار تلك الخريطة، وفي نظام EKF-SLAM، يتضمن جهاز الدولة وضع الروبوتات ومواقع العلامات البارزة في البيئة، وتُلاحظ المستجدات المتعلقة بالغازات على أنها حركة الروبوتات.

غير أن مقياس التكرار في منطقة شرق المحيط الأطلسي له حدود هامة، إذ أن التقريب بين التسلسل لا يكون صحيحا إلا قرب التقديرات الحالية، وبالنسبة للنظم غير الخطية أو أوجه عدم التيقن الكبيرة، فإن هذا التقريب يمكن أن يؤدي إلى ضعف الأداء أو حتى إلى تباين في التسمية، وقد يكون حساب مصفوفات جاكوبيان معقدا ومعرضا للأخطاء، ولا سيما بالنسبة لعارضات الاستشعار المعقدة، بالإضافة إلى أن نظام EKF لا يكتنف في توزيع المقاييس المقاييس.

مصور كالمان غير المرشَّح: تحسين تقدير غير خطي

ويقدم فيلم كالمان غير المُركز الذي بدأ في أواخر التسعينات نهجا بديلا لمعالجة النظم غير الساحلية التي كثيرا ما تفوق أداء صندوق الطاقة الكهرمائية دون أن تتطلب حسابا صريحا لمصفوفات جاكوبيان، ويستند مرفق كهرباء المملكة المتحدة إلى مبدأ أنه من الأسهل مقارنة توزيع الاحتمالات بدلا من أن يكون عمليا وظيفة غير خطية تعسفية.

وتستخدم مؤسسة المملكة المتحدة أسلوباً محدداً في أخذ العينات يسمى التحول غير المرتكز لاختيار مجموعة دنيا من نقاط العينة، تسمى نقاط الجسيمات، مما يستوعب متوسط التوزيع الحكومي وتزامنه، وتُنشر هذه النقاط من خلال الوظائف غير الخطية الحقيقية (غير التقريبية المتناقلة)، وتستخدم النقاط المحولة الناتجة عن ذلك في مقارنة مسارات التوزيع المتوقعة التي لا تُستخدم في إطار التحولات.

وبالنسبة للتطبيقات الآلية، تقدم مؤسسة المملكة المتحدة عدة مزايا على مرفق الطاقة الكهربائية، وهي تقدم عادة تقديرات أكثر دقة لنظم ذات جوانب غير مباشرة هامة، ولا سيما عندما يكون عدم اليقين كبيراً، ولا يتطلب الخوارزمية حساب مصفوفات جاكوبية، وتبسيط التنفيذ، وتقليل احتمالات وقوع أخطاء رياضية، كما يمكن لمؤسسة المملكة المتحدة أن تعالج على نحو أفضل حالات التوقف عن العمل والوظائف غير المتفاوتة التي تسبب مشاكل في نظام الحسابات البيئية.

وقد طبقت قوة الأمم المتحدة لحفظ الطبيعة بنجاح على مختلف مهام الملاحة الآلية، بما في ذلك تقدير المواقف من الاتحاد الدولي للاتصالات والبيانات المغنطيسي، وتكامل النظام العالمي لتحديد المواقع/النظام المتكامل لسواتل الملاحة للمركبات الجوية، والتمركز القائم على الرؤية، وتأتي الدقة المحسنة بتكلفة حسابية متواضعة - يتطلب صندوق المملكة المتحدة نشر نقاط متعددة من خلال الوظائف غير الخطية بدلا من تقدير واحد للدولة، ولكن هذا الرؤوس العامة كثيرا ما يكون مقبولا نظرا للقدرات الحاسوبية الحديثة.

Particle Filters: Monte Carlo Localization

مرشحات الجسيمات، المعروفة أيضا بأساليب مونت كارلو المحكم، تمثل نهجا مختلفا اختلافا جوهريا في عملية الصمامات التي يمكن أن تعالج النظم غير الخطية العالية والتوزيعات غير المحتملة لجوائز الغوسية، بدلا من تمثيل حالة الروبوت كتقدير واحد مع ما يرتبط به من عدم يقين (كما في تصفية كلمان)، تمثل مرشحات الجسيمات توزيعا محتملا على كل دولة تستخدم مجموعة كبيرة من العينات.

وطبقة تصفية الجسيمات تعمل من خلال دورة من التنبؤ والتحديث وإعادة التحديث، وأثناء التنبؤ، يتم نشر كل جزيئات وفقاً لنموذج الحركة النظامية، عادةً مع ضوضاء عشوائية إضافية لتمثيل عدم اليقين، وخلال مرحلة التحديث، عندما يتم تلقي قياسات الحساسية، يتم تعيين وزن كل جزيئات على أساس مدى تطابق القياسات المتوقعة للوزن الأعلى الفعلي الذي يفسّر وزناً للجسيمات.

وتتمثل الميزة الرئيسية لمرشحات الجسيمات في قدرتها على تمثيل التوزيع التعسفي للاحتمالات، بما في ذلك التوزيعات المتعددة الوسائط التي تبلغ ذروتها المتعددة، وهذه القدرة قيمة خاصة بالنسبة لمشكلة التمركز العالمي، حيث يجب على الإنسان الآلي أن يحدد موقعه دون أي معرفة مسبقة بمكانه، وفي هذا السيناريو، توزع الجسيمات بصورة موحدة في البداية في جميع المواقع الممكنة، ومع انتقال الروبوتات وتبدي ملاحظات، يتجمع توزيع الجسيمات تدريجيا على الموقع الحقيقي.

وقد أصبح نظام مونت كارلو المحلي، وهو نهج قائم على تصفية الجسيمات، أسلوباً قياسياً للتحول الآلي المتنقل، ويمكن للخوارزمية معالجة الغموض الذي ينشأ عندما تبدو المواقع المتعددة في بيئة متشابهة، مع الاحتفاظ بفرضيات متعددة إلى أن تتراكم أدلة كافية لحل الغموض، ويمكن لمرشحات الجسيمات الإيجابية أن تضبط بصورة دينامية عدد الجسيمات التي تستند إلى تقدير جيد.

والمساوئ الأساسية لمرشحات الجسيمات هي التمثيل الدقيق للتوزيعات المعقدة المحتملة للتكلفة قد يتطلب آلاف أو عشرات الآلاف من الجسيمات التي يجب تحديث كل منها بكل قياس من أجهزة الاستشعار، وبالإضافة إلى ذلك، يمكن لمرشحات الجسيمات أن تعاني من نضوب الجسيمات في الأماكن الحكومية العالية الأبعاد، حيث ينمو عدد الجسيمات المطلوبة زيادة كبيرة مع عدد الأبعاد.

المطالِبات التكميلية:

وتوفر مرشحات تكميلية بديلاً أبسط وأكثر كفاءة من حيث الحاسوب لأجهزة قياس كالمان لبعض مهام الاندماج في أجهزة الاستشعار، ولا سيما فيما يتعلق بجمع أجهزة الاستشعار مع خصائص التردد التكميلي، ويستمد الاسم من استخدام مرشحات مكملة للترددات - وهي مرشحة عالية الدقة لمجس واحد ومرشحة منخفضة الترميز لكل منها بطريقة تؤدي إلى زيادة قوتها.

ويُستخدم كلاسيكي للترشيح التكميلي في صمامات التكتل والموجات من أجل تقدير المواقف، حيث توفر أجهزة التصفيق معلومات دقيقة عن التوجهات القصيرة الأجل ولكنها تعاني من الانجراف بمرور الوقت بسبب دمج قياسات التكتل، ويمكن للمصابين بالتسارع أن يقدموا إشارة إلى التوجه الطويل الأجل عن طريق قياس مسبب الجاذبية ولكنهم يُعتبرون مُثلاً ومُعرضين للاضطرابات في التسرع.

والمرشحات التكميلية هي الوزن الخفيف من الناحية الحسابية، ويسهل تنفيذها وضبطها، ويمكن أن توفر أداء ممتازاً لمجموعات الاستشعار المحددة، غير أنها تفتقر إلى المثلى النظرية لمرشحات كالمان ولا توفر تقديرات واضحة للضوضاء على أجهزة الاستشعار، وهي أفضل ملاءمة للتطبيقات التي تكون فيها الموارد الحاسوبية محدودة، وتكون خصائص الاستشعار مفهومة جيدا ومستقرة نسبياً.

الشبكات البيزيائية والنماذج الافتراضية

وتوفر الشبكات البيزيائية إطارا قويا لتمثيل وتفسير العلاقات غير المؤكدة بين المتغيرات المتعددة في نظم الصمامات المشعرة، وتستخدم هذه النماذج الافتراضية رسوما بيانية موجهة لتمثيل المعالين المشروطين بين المتغيرات، مع وجود متغيرات عشوائية (مثل وضع الإنسان، أو مواقع بارزة، أو قياسات الاستشعار) وحواف تمثل العلاقات الاحتمالية.

في مجال الملاحة الآليّة، الشبكات البيزيّة يمكنها أن تُقيم علاقات معقدة بين حالة الروبوت، وملاحظات الاستشعار، والمعالم البيئية، ويُحدّد هيكل الشبكة المعرفة عن أيّ متغيرات تؤثر مباشرة على الآخرين، وتوزيعات الاحتمال المشروط تقيّد كمّ هذه العلاقات، ويمكن للخوارزميات أن تقارن التوزيعات المحتملة على المتغيرات المجهولة التي تُعطى بيانات الاستشعار الملاحظة.

وقد أصبحت رسومات المصانع، وهي تمثيل ذي صلة، شائعة بشكل خاص في الروبوتات من أجل صياغة حركة تحرير السودان ومشاكل الاندماج في أجهزة الاستشعار، وفي بيان عامل، تصاغ مشكلة تقدير مسارات وخرائط الروبوتات على أنها إيجاد القيم المتغيرة التي تزيد الاحتمال المشترك لجميع القياسات إلى أقصى حد، ويمكن حل هذه المشكلة إلى أقصى حد باستخدام تقنيات مثل أقل السُبل ترقى أو نشر المعتقدات، ويتيح الهيكل الجديد للرسوم البيانية أن يستكمل بكفاءة.

تقنيات وتطبيقات الاستشعار المتقدمة

الأشعة - الجلدية (VIO)

ويمثل قياس الأودوميتي البصري أحد أكثر التطبيقات نجاحاً في مجال تكاثر أجهزة الاستشعار في الروبوتات الحديثة، حيث يجمع بين الكاميرا وبيانات وحدة الرصد الدولي لتحقيق تقدير قوي ودقيق للمشاعر، وهذه التركيبة الاستشعارية قوية بوجه خاص لأن للكاميرات ووحدات الإزالة خصائص تكميلية: فالكاميرات توفر معلومات مكانية غنية، ولكن بأسعار منخفضة نسبياً، ومع وجود غموض في التشكيلات الأحادية.

وتستخدم نظم الفرز عادة النهج القائمة على التصفية (مثل ملفات كلمان المتعددة الدول) أو النهج القائمة على الاستخدام الأمثل (مثل تعديل الحزم) للبيانات البصرية وغير المادية ذاتيا، وتقدم الوحدة توقعات للحركة بين أطر الكاميرات وتساعد على حل الغموض في الحجم، بينما توفر السمات البصرية تصويبات تحول دون أن ينجرف نظام الرصد العالمي.

وقد أصبحت عمليات التنفيذ الحديثة للمنظمة فعالة وناجعة بما فيه الكفاية بحيث تدار في الوقت الحقيقي على الأجهزة المحمولة والنظم المدمجة، مما يمكّن من تطبيقات من أجهزة الاتصال اللاسلكية إلى الطائرات الآلية الاستهلاكية، وتستمر التكنولوجيا في التقدم نحو إدماج التعلم العميق في الكشف عن السمات ومطابقتها، وتحسين إجراءات الاستهلال، وتوسيع نطاق التعامل مع البيئات الدينامية مع الأجسام المتحركة.

LiDAR-Camera Fusion for Perception

وتنشئ البيانات المجمعة المتعلقة بالسجلات الفوقية للسجلات الاصطناعية والكاميرات نظما للتصورات تغذي الدقة الجيولوجية للسجلات الأرضية مع الثراء الاصطناعي للمعلومات البصرية، وهذا الدمج ذو قيمة خاصة بالنسبة للمركبات المستقلة، حيث يكون الكشف والتصنيف الدقيقين عن الأجسام التي يبلغ عددها 3D أمرا بالغ الأهمية بالنسبة للملاحة الآمنة.

ويمكن أن تحدث عملية دمج الكيمياء الفوقية في البيوت على مستويات متعددة، إذ يُعد مشروع " ليدار " في صور كاميرا لخلق صور متطورة، تُجهز بعد ذلك بواسطة شبكات الظواهر العصبية لكشف الأجسام، وتُجري نُهج الدمج في وقت متأخر خطوطاً للكشف عن البيانات الخاصة ب " ليدار " وبيانات الكاميرات، ثم تجمع بين النتائج وتقنيات مثل القمع غير الأقصى أو الدمج البيانات.

فالطبيعة التكميلية لهذه أجهزة الاستشعار توفر قوة لمختلف أساليب الفشل، ويمكن للكاميرات أن تصنف الأشياء التي قد تفوتها شركة ليدار بسبب الغيوم المنفصلة، بينما توفر شركة ليدار قياسات دقيقة للمسافات تكافح فيها الكاميرات مع الأشياء السيئة الإضاءة أو التي لا تجهز لها أجهزة نصية، وهذا التكرار ضروري لتطبيقات حرجة للسلامة حيث يجب التسامح مع الإخفاقات الحسية.

نظم الاستشعار المتعدد

وتمثل عملية تحديد المواقع والرسم الشبكي في الوقت نفسه إحدى أكثر المشاكل صعوبة وأهمية في مجال الروبوتات المتنقلة، وتعتمد نظم الإدارة المستدامة للأراضي الحديثة بشكل متزايد على دمج أنواع الاستشعار المتعددة لتحقيق أداء قوي عبر بيئات متنوعة، وتجمع نظم الاستشعار المتعددة (SLAM) بين نقاط قوة أجهزة الاستشعار المختلفة لوضع خرائط دقيقة مع تتبع موقع الروبوت بدقة.

وتستخدم نظم حركة تحرير السودان البصرية كاميرات لكشف وتتبع السمات في البيئة، ووضع خرائط للمواقع البارزة مع تقدير حركة الكاميرات، وتنشئ نظم ليدار SLAM خرائط جغرافية للبيئة باستخدام قياسات النطاق الليزري، وبإدخال هذه النهج، يمكن للآليات أن تخلق خرائط تحتوي على هيكل قياسي جغرافي وظهور بصري، مما يتيح زيادة قوة تحديد المواقع وفهم البيئة الأغنى.

وتوفر تركيبات حركة تحرير السودان القائمة على أساس رسوم بيانية إطارا مرنا للدمج المتعدد أجهزة الاستشعار، حيث تمثل قياسات الاستشعار كقيود بين الفرضيات في رسم بياني للوضع، وتسهم أنواع مختلفة من الاستشعار في أنواع مختلفة من القيود - السمات البصرية في القيود النسبية بين الأطر التي تُلاحظ فيها نفس العلامات، وتُحدِّد المساحات الأرضية، وتُوفِّر قياسات وحدة الرصد المتكاملة قيوداً على الحركة.

أشعة اكسوري للمركبات المستقلة

السيارات ذاتية الحركة ربما تكون أكثر التطبيقات طلباً لأجهزة الصمامات المُستشعرة تحتاج إلى تصور قوي وتدبير في بيئات معقدة ودينامية حيث تكون الأمان فيها ذاتية، وتستخدم السيارات الحديثة ذاتية أجهزة استشعار واسعة النطاق تشمل كاميرات متعددة، ووحدات لدارس، وأجهزة استشعار رادارية، ونظم GPS/INS، وأجهزة الاستشعار فوق الصوتية، التي يجب أن تُبخر بها

ويعمد تركيب أجهزة الاستشعار في المركبات المستقلة إلى العمل على مستويات متعددة، ويجمع الاندماج المنخفض المستوى بين بيانات الاستشعار الخام لمهام مثل كشف الأجسام وتتبعها، حيث توفر أجهزة الاستشعار المختلفة معلومات تكميلية عن نفس الأجسام، ويدمج الاندماج في منتصف المستوى المعلومات المجهزة مثل الأجسام المكتشفة، وعلامات الممرات، وعلامات المرور من مختلف نماذج التصورات، ويجمع الدمج الرفيع المستوى بين جميع المعلومات المتاحة لجعل قرارات الضبط، والعوامل التي يمكن التنبؤ بها.

إن إعادة التوحيد والتسامح إزاء الأخطاء هما من الاعتبارات الحاسمة في عملية الاندماج المستقل لأجهزة الاستشعار الخاصة بالمركبات، ويجب أن تكتشف النظم حالات الفشل في الاستشعار، والأداء المتدهور بسبب الظروف البيئية، والمعلومات المتضاربة بين أجهزة الاستشعار، وتُسند أطر التبشير التساهلية مستويات الثقة إلى أجهزة استشعار مختلفة استنادا إلى موثوقيتها المتوقعة في الظروف الراهنة، ويجب أن تعمل نظم صنع القرار بأمان حتى عندما تكون بعض أجهزة الاستشعار غير متاحة أو تقدم بيانات متدهورة.

الملاحة الجوية الآلية وضغوط الاستشعار

وتواجه المركبات الجوية غير المأهولة والطائرات بدون طيار تحديات فريدة أمام عملية ضخ أجهزة الاستشعار بسبب خصائصها الدينامية للرحلات الجوية، وقدرتها المحدودة على التحميل، والعمل في الفضاء الثلاثي الأبعاد، ولا بد من إحداث ارتداد في أجهزة الاستشعار من أجل مراقبة الطيران، ودقة الملاحة، وتنفيذ عمليات تنفيذ البعثات بصورة مستقلة.

وتستخدم معظم أجهزة التحكم بالطائرات بدون طيار أجهزة الاستشعار لتوحيد البيانات عن أجهزة الاستشعار التابعة للمعهد الدولي للاتصالات السلكية واللاسلكية، ومقياس المغناطيس، وبيانات أجهزة استشعار الضغط الباريومترية عن المواقع وتقديرات الارتفاعات، وتدمج نظما أكثر تقدما نظام تحديد المواقع، وأجهزة استشعار التدفق الضوئي لتقدير السرعة بالقرب من الأرض، والرؤية أو نظام ليدار لإبطال العقبة.

وتضع الديناميات العالية للمركبات الجوية متطلبات صارمة بشأن خوارزميات الصمامات، التي يجب أن تعمل بمعدلات تحديث عالية للحفاظ على السيطرة المستقرة، وتُستخدم المرشّحات التكميلية وتنفيذات الفلور ذات الوزن الخفيف، عادة بسبب كفاءتها الحسابية، رغم استخدام نهج أكثر تطوراً في طلب تطبيقات مثل التفتيش أو التسليم المستقلين.

اعتبارات التنفيذ وأفضل الممارسات

معايرة الاستشعار والتواؤم

يتطلب تركيب أجهزة الاستشعار الدقيقة معايرة دقيقة لمقاييس أجهزة الاستشعار وتزامن دقيق بين القياسات من أجهزة الاستشعار المختلفة، ويقرر العيار المكثف معايير الاستشعار الأساسية (مثل طول الوصل بالكاميرا وتشويه الحساسية) والبارامترات الفوقية (وضع وتوجيه كل جهاز استشعار فيما يتعلق بإطار التنسيق الآلي) ويمكن أن يؤدي سوء القياس إلى أخطاء منهجية في الأداء تؤدي إلى تدهور المقاييس.

كما أن التزامنة الزمنية هي بنفس القدر من الأهمية إذا لم تكن القياسات من أجهزة الاستشعار المختلفة متوافقة زمنياً مناسباً، فإن الخوارزمية الدمجية ستحاول الجمع بين البيانات التي تتطابق مع مختلف الولايات الروبوتية، مع إدخال الأخطاء.() ويوفّر تزامن البرمجيات باستخدام إشارات الساعات المشتركة أدق توقيتاً، ولكن تزامن البرمجيات باستخدام المصابيح الزمانية يمكن أن يكون كافياً إذا تم إدارة العواصفر بشكل سليم.

معالجة الفشل في معالجة أجهزة الاستشعار والمستشفيات

ويجب أن تكتشف نظم الصمامات الآلية حالات الفشل في الاستشعار، والعطل المؤقت، والقياسات الخارجية التي لا تتفق مع الأنماط المتوقعة، ويمكن لتقنيات الرفض الأكثر تلويثا مثل توافق آراء رمندوم سامبل أن تحدد وتتخلص من قياسات لا تتفق مع أغلبية البيانات، وتمنع القياسات الفاسدة من تلوث تقديرات الدولة.

مقارنة قياسات الاستشعار بالقيم المتوقعة استناداً إلى تقدير الدولة الحالي، قياسات العلم التي تختلف بأكثر مما كان متوقعاً بالنظر إلى خصائص الضوضاء للمجس، ويمكن أن تُعدل الخوارزميات التكيفية بشكل ديناميكي الثقة التي توضع في أجهزة استشعار مختلفة استناداً إلى أدائها الأخير، مما يقلل من تأثير أجهزة الاستشعار التي تقدم بيانات متدهورة مع زيادة الاعتماد على أجهزة الاستشعار التي تعمل جيداً.

الكفاءة الحاسوبية والأداء في الوقت الحقيقي

ويجب أن تعمل خوارزميات الصمامات في الوقت الحقيقي لكي تكون مفيدة في الملاحة الآلية، وتجهيز بيانات أجهزة الاستشعار وتحديث تقديرات الدولة بسرعة كافية لدعم قرارات المراقبة، وتتسم الكفاءة الحاسوبية بأهمية بالغة بالنسبة للمنصات المدربة على الموارد مثل الطائرات الآلية الصغيرة أو الروبوتات المتنقلة ذات القدرة المحدودة على التجهيز.

وينبغي أن ينظر اختيار الخوارزميات في المفاضلة بين الدقة والتكاليف الحاسوبية، وقد تكون المرشّحات التكميلية البسيطة كافية لتقدير المواقف الأساسية، في حين أن السيناريوهات الأكثر تعقيداً قد تبرر النفقات الحسابية لمصفورات الجسيمات أو النهج القائمة على الاستخدام الأمثل، ويمكن أن تؤدي تقنيات التنفيذ الكفؤة مثل عمليات مصفوفة الفصل، والتحديثات التدريجية، والتجهيز الموازي إلى تحسين الأداء بشكل كبير.

وتستخدم نظم عديدة حديثة لدمج أجهزة الاستشعار هياكل للتجهيز الهرمي حيث ترتفع مهام الاندماج الحرج الزمني بمعدلات عالية على المجهزين المتفانين، بينما تؤدي مهام أكثر كثافة حسابيا مثل استخدام الخرائط على نحو أمثل بمعدلات أقل أو متسرعة، ويتيح هذا الفصل النظام الحفاظ على الرقابة المستجيبة بينما يؤدي في الوقت نفسه تصورات ورسم خرائط متطورة.

اختيار التطعيم وبارامتر

وتشمل معظم خوارزميات الصمامات المرجعية التي يجب أن تُستخدم لتحقيق الأداء الأمثل، مثل التدفّق الضجيجي للعمليات والتماس الضوضاء في أجهزة قياس الحاسب، أو عدد الجسيمات في مرشحات الجسيمات، وهذه البارامترات تتضمّن افتراضات بشأن الدقة في أجهزة الاستشعار، وديناميات النظم، والخصائص البيئية.

والخيارات المحافظة التي تزيد من درجة عدم اليقين تؤدي عادة إلى أداء مستقر ولكن دون المستوى الأمثل، في حين أن البارامترات العدوانية التي تقلل من شأن عدم اليقين يمكن أن تؤدي إلى تقديرات مفرطة واختلاف في الرش، وتشمل نُهج الضبط المنتظم مجموعات بيانات تحليلية لتحديد خصائص الضوضاء، وجمع البيانات التجريبية لقياس الأداء الفعلي للمستشعرين، واستخدام تقنيات الاستخدام الأمثل للبحث عن قيم البارامترات المسجلة التي تقلل إلى أدنى حد من تقدير البيانات.

ويمكن أن تؤدي الخوارزميات التصحيحية التي تُعدل تلقائياً البارامترات استناداً إلى الأداء الملاحظ إلى تحسين النفوذ في مختلف الظروف، وإن كانت تزيد من تعقيدها وقد تُحدث عدم استقرار إذا لم تُصمم بعناية، ويخلص العديد من الممارسين إلى أن الجمع بين عملية الاستبدال التحليلي استناداً إلى مواصفات الاستشعار، يليه التكرير التجريبي من خلال الاختبارات، يوفر نتائج جيدة.

الاتجاهات الناشئة والاتجاهات المستقبلية

التعلم العميق من أجل ارتقاء المشعر

ويتزايد تطبيق التعلم في مجال الآلات، ولا سيما الشبكات العصبية العميقة، على مشاكل الاندماج في أجهزة الاستشعار في الروبوتات، بدلا من برمجة الخوارزميات اليدوية القائمة على نماذج رياضية، يمكن للنهج القائمة على التعلم أن تكتشف استراتيجيات الدمج الأمثل مباشرة من البيانات، ويمكن أن تقوم هياكل التعلم العميق بتجهيز بيانات الاستشعار الخام من مصادر متعددة، وملامح التعلم وقواعد الاندماج بصورة مشتركة في نهاية المطاف.

وقد تم تطوير شبكات عصبية ثورية ذات طابع جماعي تقوم على تصوّرات الكاميرات وسحب النقاط المرجعية للكشف عن الأجسام، والتعلم من أجل الاستفادة من المعلومات التكميلية من كل من المستشعرين، ويمكن للشبكات العصبية وشبكات الموالية الزمنية المتكررة أن تبث سلسلة من القياسات الاستشعارية بمرور الوقت، وأن تتعلم نماذج دينامية لسلوك الاستشعار، وأن تُستخدم نماذج آلية يمكن أن تتفوق أحيانا على الأساليب النموذجية التقليدية، ولا سيما في السيناريوهات المعقدة.

غير أن تكاثر أجهزة الاستشعار القائمة على التعلم يواجه أيضا تحديات، فالشبكات العصبية تتطلب عادة كميات كبيرة من بيانات التدريب، التي يمكن أن تكون باهظة التكلفة لجمع ووسم التطبيقات الآلية، وقد لا تعمم النماذج المتعلمة جيدا على الظروف التي تختلف عن البيانات التدريبية، وكثيرا ما تفتقر إلى إمكانية تفسير النهج التقليدية الافتراضية وضماناتها النظرية، وتستكشف البحوث الحالية النهج الهجينية التي تجمع بين قوّة الأساليب الافتراضية والقائمة على التعلم، وتستخدم أشكالا.

Smantic Sensor Fusion

ويركز تكاثر أجهزة الاستشعار التقليدية أساسا على مواقع المعلومات الأرضية والمسافات والتحركات، ويوسع نطاق هذا الاندماج الاصطناعي ليشمل الفهم الرفيع المستوى للبيئة، مثل فئات الجسم، وسياق المشهد، والاعتراف بالأنشطة، ومن خلال دمج المعلومات الجغرافية والثامنة، يمكن للآليات أن تحقق فهما بيئيا أكثر ثراء يدعم اتخاذ قرارات أكثر ذكاء.

على سبيل المثال، يمكن لآلي يبحر بيئة مكتبية أن يُثبّت رسم الخرائط الجيولوجية المرتكزة على الـ(ليدار) مع التعرف على الأجسام القائمة على الرؤية لإنشاء خريطة ساكنة تُسمي مناطق مثل "هاواي" أو "مكتب" أو "غرفة المؤتمرات" ويُحدّد أشياء مثل "الدجاج" أو "الباب" هذا الفهم الرجولي يتيح سلوكاً متطوراً في مجال الملاحة، مثل البحث عن أجسامات محددة أو فهمية الاجتماعية

كما أن الاندماج الحاد يتيح تحسين القدرة عن طريق زيادة المعلومات السياقية، وإذا كان الآلي يتوقع أن يرى بابا في موقع معين على أساس الفهم السيمنتي لهيكل البناء، فإنه يمكن أن يعالج على نحو أفضل الاضطرابات المؤقتة أو الضوضاء المستشعرة التي قد تسبب الارتباك، وتستكشف البحوث في هذا المجال الأطر التساهلية لتمثيل المعلومات الاصطناعية والتفسير عليها، وإدماج نهج العزلة الأرضية، والفهم المرتكز على موقع التعلم.

الاستشعار التعاوني المتعدد القوارب

ومع تزايد انتشار نظم التفجير المتعددة، فإن الاندماج في أجهزة الاستشعار يتجاوز فرادى الروبوتات للاستشعار التعاوني عبر الفرق الآلية، ويمكن للآليات المتعددة أن تتقاسم بيانات الاستشعار وتقديرات الدولة، مما ينشئ نظاما موزعا للتصورات يوفر تغطية بيئية أكمل ويحسن القدرة من خلال التكرار.

ويتيح نظام إدارة السجلات والمحفوظات التعاوني للآليات المتعددة أن تشارك في وضع الخرائط وتضع نفسها محلياً بتقاسم ملاحظات العلامات المميزة المشتركة، ويتيح خوارزميات الصمامات المخففة للآلات الاحتفاظ بتقديرات حكومية متسقة مع التواصل مع الشبكات المحدودة لشبكات الترددات، ويتيح النهج القائمة على توافق الآراء للأفرقة الآلية التوصل إلى اتفاق بشأن الحالة البيئية على الرغم من اختلاف الملاحظات والمنظورات المستشعرة.

وتشمل التحديات التي تواجه عملية الاندماج المتعددة الأجهزة إدارة القيود على الاتصالات، ومعالجة مختلف قدرات الاستشعار عبر أفرقة الروبوتات المتباينة، والحفاظ على الاتساق عندما يكون لدى الروبوتات معلومات مختلفة وربما متضاربة، وتستكشف البحوث هياكل لا مركزية للدمج تُقَدِّم إلى أفرقة الروبوت الكبيرة، وبروتوكولات اتصالات فعالة تقلل من استخدام النطاق الترددي، وخرائط قوية تعالج أوجه الترابط وإخفاق الاتصالات المتقطعة.

أجهزة الاستشعار العصبية والتصوير المبني على الأحداث

وتمثل أجهزة الاستشعار العصبية، مثل الكاميرات القائمة على الأحداث التي تبلغ عن تغيرات في السطوع على مستوى البكسل، بدلا من وضع أطر محددة، تحولا في تكنولوجيا الاستشعار في النموذج، وهذه أجهزة الاستشعار توفر مزايا تشمل حلا زمنيا عاليا للغاية، وقلة الرطوبة، وارتفاع النطاق الدينامي، وانخفاض استهلاك الطاقة، غير أنها تتطلب اتباع نهج معالجة مختلفة أساسا مقارنة بالأجهزة التقليدية القائمة على الإطار.

ويجب أن تتناول خوارزميات الصمامات الحساسية للمستشعرات القائمة على الأحداث مسارات البيانات غير المتناظرة، والفصلية بدلا من القياسات الدورية، وتستكشف البحوث الأوعية البصرية القائمة على الأحداث، حيث تُدمج أحداث الكاميرا المتناثرة مع قياسات IMU، والنظم الهجينة التي تجمع بين الكاميرات القائمة على الأحداث والإطارات لتعظيم مزايا كلا الجهازين.

عدد أجهزة الاستشعار والفحص المعزز

وتعود تكنولوجيات الاستشعار الكمي الناشئة بتحسينات كبيرة في قياس الدقة في تطبيقات مثل الملاحة غير المباشرة والاستشعار الميداني المغنطيسي والتوقيت، ويمكن أن تحقق وحدات القياس غير المباشر الكمي القائمة على التداخل بين الأجناس أوامر من درجة أعلى من الدقة في قياس القياسات التقليدية التي تستند إلى نظم الرصد المتعددة الأطراف، مما يقلل من الملاحة العائمة ويتيح إطالة أمدها دون إشارات خارجية.

وفي حين أن أجهزة الاستشعار الكمي الحالية هي عادة كبيرة ومكلفة وتتطلب ظروفاً خاضعة للرقابة بعناية، فإن الجهود الجارية للتقليل من هذه التكنولوجيات قد تؤدي في نهاية المطاف إلى تطبيقات آلية عملية، وسيلزم تكييف خوارزميات الاندماج الحسّاسية لتفعيل الخصائص الفريدة للمجسات الكمية، بما في ذلك خصائصها الاستثنائية الدقيقة ولكن يمكن أن تختلف عن خصائص الضوضاء وطرق الفشل مقارنة بالمجسات التقليدية.

التطبيقات العملية في مجال الصناعات عبر

المستودعات والتأهيل اللوجستي

ويعتمد الآليون المتنقلون المستقلون في المستودعات اعتمادا كبيرا على صمامات الاستشعار للملاحة في بيئات دينامية مليئة بالناس، والآليات الأخرى، والمخزون المتغير باستمرار، وهذه الروبوتات تجمع عادة بين ليدار للكشف عن العقبات والوضع المحلي، والكاميرات الخاصة بقراءة الشوكود والملاحة البصرية، ومجهزات العجلات اللازمة لقياس الدودة، وأحيانا تقوم بمسح مواقع أخرى من أجل تحديد مواقع محددة.

الأجهزة الزراعية

ويعمل الروبوتات الزراعية في بيئات خارجية صعبة ذات ضوء متغير، وظروف الطقس، والتضاريس، ويتيح دمج أجهزة الاستشعار قدرات مثل الملاحة المستقلة من خلال صفوف المحاصيل، والتحويل الدقيق لتطبيقات العلاج المحددة الأهداف، ورصد المحاصيل، وتجمع النظم بين النظام العالمي لتحديد المواقع لأغراض الملاحة الميدانية، ونظم الرؤية لكشف المحاصيل وتقييم الصحة، و " ليدار " لرسم خرائط الأراضي وكشف العقبات، و " وحدات الرصد الدولي " من أجل الحفاظ على الاستقرار في المناطق غير المتساوي.

الأجهزة الطبية والجراحية

ويتطلب الإنسان الآلي الجراحي تحديد المواقع ومراقبة الحركة بدقة بالغة، ويتم ذلك عن طريق إدخال أنواع متعددة من أجهزة الاستشعار، وتوفر أجهزة الاستشعار التابعة للقوة/التوريك معلومات عن الارتداد، وتسمح نظم الرؤية بتدبير الإجراءات على نحو خفيف من خلال عمليات الاصطدام الصغيرة، وأجهزة استشعار المواقع تضمن وضع أدوات دقيقة، ويجب أن يلبي الدمج المستشعر في مجال الروبوتات الطبية متطلبات صارمة تتعلق بالسلامة والموثوقية، مع إعادة الاستشعار عن بعد الاكتشاف، ومنع حدوث أخطاء في نظم الدمج.

البحث والإنقاذ

وتواجه الأجهزة المنتشرة للبحث والإنقاذ في سيناريو الكوارث تحديات بالغة تشمل البيئات التي تنكبت فيها مصادر القدرة على إحداث الاحترار، وضعف الرؤية، وعدم استقرار التضاريس، والقيود المفروضة على الاتصالات، وتكتسي عملية الصمامات أهمية حاسمة لتمكين هذه الأجهزة من نقل المباني المنهارة، وتحديد أماكن وجود الناجين، وتحديد المناطق الخطرة، وتجمع النظم بين طرائق الاستشعار المتعددة بما في ذلك الكاميرات الحرارية للكشف عن حرارة الجسم، وأجهزة الاستشعار الغازية لتحديد المخاطر، وضبطيات، وضبط بيئة الصمامات الاصطناعي، وأجهزة الاصطناعية، وأجهزة التصوير المزودة، وأجهزة التصوير المزودة، وأجهزة التصوير المزودة، وأجهزة التصوير بالصور.

الأجهزة الآلية تحت الماء والبحرية

ويعمل الآليون تحت الماء في بيئات حيث توجد فيها أجهزة استشعار مشتركة كثيرة مثل النظام العالمي لتحديد المواقع، والكاميرات، وLDAR فعالية محدودة، ويجمع أشعة الشمس بين أجهزة الاستشعار البحرية (مقاس التراوح والتصوير)، وأجهزة الاستشعار للضغط لقياس المياه العميقة، ووحدات القياس الدولية لتتبع المواقف والحركة، وسجلات سرعة دوبلر لقياس سرعة التبريد.

التحديات والحدود في ارتجال الاستشعار

Computational Complexity and Resource Constraints

ونظراً لأن أجهزة الاستشعار أصبحت أكثر شمولاً وتطوراً في الخوارزميات، فإن المتطلبات الحاسوبية يمكن أن تتجاوز قدرات المجهزين المدمجين الذين يُستخدمون عادة في النظم الآلية، حيث تُعالج صور كاميرات عالية الاستبانة، وسحبات كبيرة من أجهزة الليدار، وأجهزة التصنيف المعقد في الوقت الحقيقي، تتطلب موارد حسابية كبيرة، وهذا التحدي حاد بوجه خاص بالنسبة للآليات الصغيرة مثل أجهزة تجهيز الطائرات الآلية.

ويتطلب التصدي لهذا التحدي اختيار خوارزميات دقيقة، وتنفيذ فعال، وأحياناً تسريع استخدام معدات الحاسوب باستخدام وحدات التجهيز العالمي أو المجهزين المتخصصين.() ويمكن لنهج حسابية متطورة تؤدي بعض التجهيزات على وحدات الاستشعار قبل نقل البيانات إلى المجهزين المركزيين أن تقلل من الاحتياجات المتعلقة بسلسلة النطاقات والمستلزمات الحسابية، غير أن هذه الحلول تضيف تكلفة وتعقيداً إلى النظم الآلية.

رابطة أجهزة الاستشعار والتنويم

وتوفر أجهزة الاستشعار المختلفة بيانات في أشكال مختلفة، بمعدلات مختلفة، مع اختلاف فترات التأخير، وفي أطر تنسيق مختلفة، ويتطلب إدخال هذه البيانات غير المتجانسة معالجة دقيقة لتنسيق التحولات، وتزامن الوقت، وتقسيم جمع البيانات التي تتطابق قياسات أجهزة الاستشعار المختلفة مع نفس الكيانات أو الأحداث المادية.

وتصبح رابطة البيانات تحدياً خاصاً في البيئات المتناثرة بالعديد من الأشياء، حيث قد يكون غامضاً، أي السمات البصرية التي تتطابق مع نقاط الـ " ليدار " ، أو التي تتطابق عمليات الكشف بالرادار مع الأجسام التي تم اكتشافها بواسطة الكاميرا، ويمكن أن تتسبب رابطة البيانات الخاطئة في مقاييس للدمج بين القياسات من مختلف الأجسام، مما يؤدي إلى وضع تقديرات خاطئة للدولة.

التغير البيئي وتدهور درجة المعاني

ويتفاوت أداء أجهزة الاستشعار اختلافا كبيرا مع الظروف البيئية، إذ تكافح الكاميرات في ضوء منخفض أو ضباب أو ضوء الشمس المباشر، وتتدهور أداء الليدار في الأمطار أو الثلج، وتحجب إشارات النظام العالمي لتحديد المواقع عن طريق المباني أو الرغوة، ويصعب للغاية تصميم نظم الصمامات التي تحافظ على أداء موثوق به في جميع الظروف الممكنة.

ويمكن أن تساعد نُهج الاندماج التصحيحية التي تضبط الأوزان المستشعرة استناداً إلى الموثوقية التقديرية، ولكنها تتطلب نماذج دقيقة لكيفية تأثير الظروف البيئية على كل جهاز استشعار، إذ تستخدم بعض النظم الاستشعار البيئي - مثل الكشف عن الأمطار أو قياس مستويات الضوء المحيطة - لإبلاغ قرارات الدمج، غير أن التنبؤ بالأداء المستشعر في ظروف جديدة أو بالغة الصعوبة، وضمان أن تعمل النظم الحيوية للسلامة بصورة موثوقة في جميع الظروف تتطلب إجراء اختبارات والتحقق على نطاق واسع.

التأمين على السلامة والسلامة

وبالنسبة لتطبيقات السلامة الحرجة مثل المركبات المستقلة أو الروبوتات الطبية، مما يدل على أن نظم الصمامات ستعمل بشكل صحيح وآمن في جميع السيناريوهات الممكنة، يشكل تحديا كبيرا، إذ أن تعقيدات التسرب الحديثة، ولا سيما تلك التي تتضمن التعلم الآلي، تجعل التحقق الرسمي أمرا صعبا، كما أن الحيز الهائل من المدخلات المحتملة من أجهزة الاستشعار، والظروف البيئية، وأساليب الفشل تجعل الاختبار الشامل غير عملي.

وتشمل النهج المتبعة في هذا التحدي إجراء اختبارات على أساس المحاكاة باستخدام نماذج واقعية لأجهزة الاستشعار، والتحقق الرسمي من عناصر الخوارزمية الحرجة، والرصد على أساس الزمن لكشف السلوك الشاذ، والنظم الزائدة عن الحاجة ذات التنفيذ المتنوع، غير أن تحقيق مستوى ضمان السلامة اللازم لنشر نظم مستقلة على نطاق واسع لا يزال يشكل تحديا مستمرا في الميدان.

بدأت بتطور "سينور فوشن"

أدوات وأطر البرامجيات

توفر أدوات وأطر عديدة للبرامجيات لدعم تطوير أجهزة الاستشعار، ويوفر نظام التشغيل الآلي نظاماً إيكولوجياً شاملاً لتطوير البرامجيات الآلية، بما في ذلك مجموعات من أجهزة الاستشعار، وأجهزة التبريد، وأدوات التصوير.

تقدم شركة (ميتالب) و(بيتون) مكتبات واسعة النطاق لتنفيذ واختبار خوارزميات الصمامات، وجهاز (ميتلر) للتصوير وجهاز تتبع (الفولب) يقدمان تنفيذاً لمرشحات (كالمان) ومرشحات الجسيمات، وأجهزة الدمج التابعة للوحدة العسكرية الدولية (Python Library) مثل نظام فيتر بي)

وتتيح بيئات محاكاة مثل غازيبو، ورابطة أمريكا اللاتينية لكولومبيا، وشركة AirSim اختبار خوارزميات الصمامات في بيئات افتراضية واقعية قبل نشرها على الروبوتات المادية، ويمكن لهذه المحاكاة أن تُعدّ أنواعاً متعددة من الاستشعار ذات خصائص ضوئية واقعية، مما يتيح سرعة وضع النماذج واختبار نُهج الاندماج، وبالنسبة للمهتمين باستكشاف صمامات أجهزة الاستشعار،

الموارد التعليمية وطرق التعلم

يتطلب تكاثر أجهزة الاستشعار التعليمية فهم نظرية الاحتمالات، ونظرية التحكم، وتجهيز الإشارات، وهناك العديد من الدورات والكتب المدرسية على الإنترنت تغطي هذه المواد الأساسية وتطبيقها على الروبوتات، و " الأجهزة البلاستيكية " من قبل ثرون وبورغارد و فوكس تعتبر الكتاب النهائي للنُهج الداعمة للتصورات والملاحة الآليين، الذي يغطي مرشحات كالمان ومرشحات الجسيمات، و " سوكس " .

وتوفر برامج على الإنترنت مثل الدورة الدراسية، وقسم المعلومات، والأوداكيتي دورات عن الروبوتات، والرؤية الحاسوبية، والنظم المستقلة التي تشمل مواضيع تكاثر أجهزة الاستشعار، وتتوفر الخبرة على أساس اليدين أغلفروميات أساسية لا تقدر بثمن مثل مرشحات تكميلية أو مرشحات كالمان لدمج بيانات المعهد، توفر حدسا يصعب الحصول عليه من النظرية وحدها.

منابر التدريب على استخدام البرمجيات الصلبة

وهناك عدة منابر للأجهزة الحاسوبية مناسبة للتعلم والتجارب في مجال تكاثر أجهزة الاستشعار، وتوفر لوحات الأردينو وراببيري مع أجهزة الاستشعار التابعة للاتحاد الدولي للمحاسبة منابر غير مكلفة لتنفيذ خوارزميات تقدير المواقف الأساسية، وتشمل Pixhawk جهازا آليا، مع تعديله على نطاق واسع في مواقع البرمجيات غير المدروسة،

وتوفر برامج آلية متنقلة مثل نظام تورتل بوت نظما متكاملة تضم أجهزة استشعار متعددة ودعما من أجهزة ROS، مما يتيح إجراء تجارب في مجال الملاحة وخوارزميات حركة تحرير السودان، ولعمل أكثر تقدما، توفر منابر مثل نظام NVIDIA Jetson حاسوبا محكما قويا ومناسبا لأجهزة الصمام القائمة على الرؤية، في حين أن مجموعات التطوير من أجهزة تصنيع أجهزة الاستشعار كثيرا ما تتضمن عمليات مرجعية للتصنيع.

الاستنتاج: مستقبل ارتشـاء الاستشعار في الآليـات

وقد تطورت عملية تكاثر الحساسات من تقنية متخصصة تستخدم في عدد قليل من النظم الآلية المتقدمة إلى تكنولوجيا تمكينية أساسية للآليات الحديثة، حيث يتم نشر الروبوتات في بيئات متزايدة التعقيد وغير منظمة، وتزداد القدرة على تصورها وبحريتها باستخدام أجهزة الاستشعار التكميلية المتعددة أهمية أكثر من أي وقت مضى، ويستمر هذا المجال في التقدم بسرعة، ويقوده إلى تحسينات في تكنولوجيا الاستشعار، والقدرات الحسابية، والتصوير.

ويعود إدماج التعلم الآلي في النهج التقليدية للدمج الاحتمالي إلى فتح القدرات الجديدة، وتمكين الآليين من تعلم استراتيجيات الاندماج المثلى من التجارب والتكيف مع الحالات الجديدة، وسيمكن التوسع من الاندماج الجغرافي البحت إلى الفهم السيمنتي الآليين من التسبب في بيئتهم على مستويات أعلى من الإجهاد، ودعم سلوكيات أكثر ذكاء ووعيا بالسياق، وسيمكن التوسع في نظم صنع القرار المتعددة من الاستشعارات.

ومع ذلك، لا تزال هناك تحديات كبيرة، إذ أن ضمان الأداء القوي في جميع الظروف البيئية، وتحقيق ضمان السلامة اللازم للتطبيقات الحرجة، وإدارة التعقيد الحسابي لوحدات الاندماج المتطورة يتطلب إجراء بحوث وتطوير مستمرين، ومع تزايد تعقيد نظم الصمامات، يصبح الحفاظ على قابلية التفسير والقدرة على تشخيص الإخفاقات أمرا متزايد الأهمية.

وبالنسبة للآليين والمهندسين والباحثين العاملين في هذا المجال، فإن الفرص شاسعة، إذ يتجمع الاندماج في أجهزة متعددة - تجهيز إشارات، أو رؤية حاسوبية، أو تعلم آلي، أو نظرية التحكم، أو مشاكل هندسة البرمجيات التي تتطلب النظرية، أو الهندسة العملية، سواء كانت المركبات المستقلة، أو الآلات الصناعية، أو الطائرات الآلية الاستهلاكية، أو منابر البحث، هي أمور أساسية لإيجاد تقنيات إعادة تشغيل الآلات الحساسية في العالم.

وسيؤدي التقدم المستمر في تكنولوجيا أجهزة الاستشعار دورا حاسما في تحقيق رؤية الروبوتات المستقلة حقا التي يمكن أن تعمل بأمان وفعالية إلى جانب البشر في بيئات متنوعة، ومن خلال السيارات التي تبحر في شوارع المدن إلى الروبوتات التي تستكشف الكواكب البعيدة، ومن مساعدي الجراحين الذين يقومون بإجراءات حساسة إلى الروبوتات الزراعية التي تنحو إلى المحاصيل، فإن الدمج الحسّي يوفر الأساس الافتراضي الذي يجعل هذه التطبيقات ممكنة.

بالنسبة للمهتمين بالتعمق في الجوانب التقنية لتنفيذ نظم الصمامات، فإن الموارد مثل MATLAB]MATLAB]

مع استمرار توسع الروبوتات بسرعة في مجالات وتطبيقات جديدة، فإن الصمامات الحسية ستظل في صميم عملية مستقلة موثوق بها، المبادئ والتقنيات التي نوقشت في هذه المادة توفر أساسا لفهم وتنفيذ نظم الدمج في أجهزة الاستشعار، ولكن الطبيعة الدينامية للميدان تعني أن التعلم المستمر والتكيف أمران أساسيان، وسواء كنت طالباً يبدأ في استكشاف الروبوتات، أو مهندساً يطور نظماً روبوتية تجارية، أو باحثاً يُدفع حدوداً ممكنة