نظام حديث يمكّن الروبوتات من التنقل بثقة دون الاعتماد على GPS
يتيح النظام الجديد للروبوتات التحرك بثقة في بيئات واسعة ومتغيرة دون الاعتماد على نظام GPS، عبر محاكاة الإدراك البشري وتحديد المنطقة أولا ثم تحسين الموقع استنادا إلى التفاصيل المحيطة، وتواجه الروبوتات تحديا أساسيا يتمثل في صعوبة تحديد الموقع بدقة بسبب عدم استقرار إشارات GPS قرب المباني أو داخلها، مما يستدعي الاعتماد على أجهزة استشعار وخوارزميات متقدمة.
تم تدريب الروبوتات على التنقل في البيئة المحيطة مثل البشر، وتطوير قدراتها على التكيف مع تغيّرات المكان والزمان وتعلم الاستفادة من المحيط المحيط بها.
تطوير نظام MCL-DLF في إسبانيا
عمل علماء من جامعة ميغيل هيرنانديز في إلتشي على تطوير نظام MCL-DLF، وهو اختصار لمونت كارلو والميزات المحلية العميقة، وهو نظام لتحديد المواقع ثلاثية الأبعاد بدقة واسعة باستخدام تقنية الليدار، ومصمم لدعم التنقل الطويل الأمد في المساحات الكبيرة.
آلية عمل تحاكي الإدراك البشري
يعتمد مبدأ العمل على محاكاة طريقة تنقل البشر في بيئات غير المألوفة أو المتغيرة، فيبدأ الروبوت بتحديد موقع تقريبي عبر التعرف إلى السمات الهيكلية العامة في سحب نقاط الليدار ثلاثية الأبعاد مثل المباني أو الغطاء النباتي، وبعد تضييق نطاق المنطقة ينتقل إلى مرحلة تحديد الموقع الدقيق عبر تحليل السمات التفصيلية لتحديد موقع الروبوت واتجاهه بدقة عالية. ترتكز هذه الآلية على تقنيات التعلم العميق التي تستخرج السمات المحلية المميزة تلقائيا وتقلل من الغموض عند التعامل مع أجسام متشابهة بصريا مع دمج النتائج في إطار احتمالي يعتمد على طريقة مونت كارلو التي تبقى على فرضيات متعددة للموقع وتحدثها مع تدفق بيانات المستشعرات.
متانة عالية وتطبيقات واسعة
تتمثل أبرز مزايا النظام في قدرته على التعامل مع التغيرات البيئية المختلفة، إذ يحافظ على دقة مرتفعة مع تقلبات الوقت وخصوصًا في ظل تغيّرات موسمية. وتؤكد الجهة المطوّرة أن تحديد الموقع الدقيق عنصر حاسم لخدمات الروبوتات والخدمات اللوجستية والمراقبة البيئية وفحص البنية التحتية والمركبات ذاتية القيادة، مما يجعل هذه التقنية خطوة مهمة نحو تشغيل الروبوتات ذاتيًا في بيئات واسعة وديناميكية دون الحاجة إلى بنية تحتية خارجية لتحديد المواقع.