-
الذكاء الاصطناعي سلاح ذو حدّين2025-11-10 -
شتاء الأردن جنة2025-11-10
في سابقة تكنولوجية قد تغير قواعد اللعبة في مجال البحث والإنقاذ والكوارث، كشف باحثون في معهد ماساتشوستس للتكنولوجيا عن تطوير نهج جديد ثوري يمزج بين قوة الذكاء الاصطناعي وعبقرية الرؤية الحاسوبية الكلاسيكية، يهدف هذا النظام إلى تمكين روبوتات الإنقاذ من إنشاء خرائط ثلاثية الأبعاد دقيقة لبيئة غير متوقعة، مثل حطام منجم منهار أو ممر مكتبي معقد، ليس في دقائق، بل في ثوانٍ معدودة.
واجهت الروبوتات التي تعمل في بيئات الكوارث تحدياً حاسماً، وهو القدرة على رسم خريطة للمشهد وتحديد موقعها داخله، وهي عملية تعرف باسم التوطين والرسم المتزامن للخرائط تتطلب السيناريوهات الحرجة، مثل البحث عن عمال محاصرين، ومعالجة آلاف الصور الملتقطة بكاميرات الروبوت أثناء تنقله السريع.
يشير دومينيك ماجيو، طالب الدراسات العليا والمؤلف الرئيسي للورقة البحثية، إلى المشكلة بقوله: «حتى أفضل النماذج (السابقة) لا تستطيع معالجة سوى عدد قليل من الصور في كل مرة». هذا القيد يجعلها غير عملية في التطبيقات الواقعية، حيث السرعة عامل بقاء.
بدلاً من محاولة إنشاء خريطة ضخمة مرة واحدة يقوم النظام الذي يعتمد على الذكاء الاصطناعي بإنشاء خرائط فرعية أصغر للمشهد بشكل تدريجي
دمج ذكي
يتم بعد ذلك ربط هذه الخرائط الفرعية معاً لإعادة بناء خريطة ثلاثية الأبعاد كاملة، مع تقدير موضع الروبوت في الوقت الفعلي، ورغم أن النموذج لا يزال يعالج بضع صور فقط في كل مرة، إلا أن دمج الخرائط الفرعية يسمح له بإعادة بناء مشاهد أكبر بسرعة هائلة.
كانت المفاجأة هي أن البساطة الظاهرة لهذا الحل واجهت تحدياً في البداية، إذ أدت الأخطاء في معالجة نماذج التعلم الآلي للصور إلى «تشوه» في الخرائط الفرعية (مثل ظهور الجدران منحنية قليلاً)، ما صعّب محاذاتها بالطرق التقليدية.
هنا استلهم ماجيو من أبحاث الرؤية الحاسوبية التي تعود إلى الثمانينيات والتسعينيات، ومن خلال دمج تقنية رياضية أكثر مرونة أصبح الباحثون قادرين على تمثيل جميع التشوهات في هذه الخرائط الفرعية ومعالجتها، ما ضمن محاذاة دقيقة ومتسقة.
يعلق لوكا كارلون، الأستاذ المشارك والمؤلف الرئيسي للورقة، بالقول: «بمجرد أن امتلك دومينيك الحدس اللازم للربط بين هذين العالمين - مناهج التعلم وطرق التحسين التقليدية - كان التنفيذ سهلاً ومباشراً».
التوظيف العملي
أظهر النظام الجديد سرعة فائقة مع أخطاء إعادة بناء ضئيلة، فقد نجح الباحثون في إنتاج عمليات إعادة بناء ثلاثية الأبعاد في وقت قريب من الوقت الفعلي لمشاهد معقدة، مثل داخل كنيسة MIT، باستخدام مقاطع فيديو قصيرة ملتقطة بهاتف محمول، وكان متوسط الخطأ أقل من 5 سنتيمترات.
هذا النهج لا يتطلب كاميرات معايرة مسبقاً أو خبيراً لضبط تنفيذه، ما يجعله سهل التوسع في تطبيقات عملية واسعة، منها تمكين الروبوتات الصناعية من تحديد موقع البضائع ونقلها بسرعة، وإنشاء تطبيقات دقيقة للأجهزة القابلة للارتداء مثل سماعات الواقع الافتراضي، وتزويد الروبوتات بقدرة الملاحة في البيئات الخطرة وغير المتوقعة (مناجم، مبانٍ منهارة، إلخ).
واجهت الروبوتات التي تعمل في بيئات الكوارث تحدياً حاسماً، وهو القدرة على رسم خريطة للمشهد وتحديد موقعها داخله، وهي عملية تعرف باسم التوطين والرسم المتزامن للخرائط تتطلب السيناريوهات الحرجة، مثل البحث عن عمال محاصرين، ومعالجة آلاف الصور الملتقطة بكاميرات الروبوت أثناء تنقله السريع.
يشير دومينيك ماجيو، طالب الدراسات العليا والمؤلف الرئيسي للورقة البحثية، إلى المشكلة بقوله: «حتى أفضل النماذج (السابقة) لا تستطيع معالجة سوى عدد قليل من الصور في كل مرة». هذا القيد يجعلها غير عملية في التطبيقات الواقعية، حيث السرعة عامل بقاء.
بدلاً من محاولة إنشاء خريطة ضخمة مرة واحدة يقوم النظام الذي يعتمد على الذكاء الاصطناعي بإنشاء خرائط فرعية أصغر للمشهد بشكل تدريجي
دمج ذكي
يتم بعد ذلك ربط هذه الخرائط الفرعية معاً لإعادة بناء خريطة ثلاثية الأبعاد كاملة، مع تقدير موضع الروبوت في الوقت الفعلي، ورغم أن النموذج لا يزال يعالج بضع صور فقط في كل مرة، إلا أن دمج الخرائط الفرعية يسمح له بإعادة بناء مشاهد أكبر بسرعة هائلة.
كانت المفاجأة هي أن البساطة الظاهرة لهذا الحل واجهت تحدياً في البداية، إذ أدت الأخطاء في معالجة نماذج التعلم الآلي للصور إلى «تشوه» في الخرائط الفرعية (مثل ظهور الجدران منحنية قليلاً)، ما صعّب محاذاتها بالطرق التقليدية.
هنا استلهم ماجيو من أبحاث الرؤية الحاسوبية التي تعود إلى الثمانينيات والتسعينيات، ومن خلال دمج تقنية رياضية أكثر مرونة أصبح الباحثون قادرين على تمثيل جميع التشوهات في هذه الخرائط الفرعية ومعالجتها، ما ضمن محاذاة دقيقة ومتسقة.
يعلق لوكا كارلون، الأستاذ المشارك والمؤلف الرئيسي للورقة، بالقول: «بمجرد أن امتلك دومينيك الحدس اللازم للربط بين هذين العالمين - مناهج التعلم وطرق التحسين التقليدية - كان التنفيذ سهلاً ومباشراً».
التوظيف العملي
أظهر النظام الجديد سرعة فائقة مع أخطاء إعادة بناء ضئيلة، فقد نجح الباحثون في إنتاج عمليات إعادة بناء ثلاثية الأبعاد في وقت قريب من الوقت الفعلي لمشاهد معقدة، مثل داخل كنيسة MIT، باستخدام مقاطع فيديو قصيرة ملتقطة بهاتف محمول، وكان متوسط الخطأ أقل من 5 سنتيمترات.
هذا النهج لا يتطلب كاميرات معايرة مسبقاً أو خبيراً لضبط تنفيذه، ما يجعله سهل التوسع في تطبيقات عملية واسعة، منها تمكين الروبوتات الصناعية من تحديد موقع البضائع ونقلها بسرعة، وإنشاء تطبيقات دقيقة للأجهزة القابلة للارتداء مثل سماعات الواقع الافتراضي، وتزويد الروبوتات بقدرة الملاحة في البيئات الخطرة وغير المتوقعة (مناجم، مبانٍ منهارة، إلخ).
-
عطل عالمي يصيب واتساب ويب2025-11-04 -
-
النرويج تطرح روبوت "الخادم المنزلي"2025-11-01 -
-
