ЭвоКарго: لماذا يعني تحديد موقع المركبات ذاتية القيادة الصراع مع بيانات متناقضة

نشر فريق تحديد الموقع ورسم الخرائط في ЭвоКарго الجزء الثاني من سلسلة حول كيفية إدراك المركبات ذاتية القيادة لموقعها. وإذا كان الجزء الأول قد تناول أساليب الملاحة، فإن هذا الجزء يتناول البيانات: لماذا تُعد معالجتها أصعب مما تبدو، وكيف يعمل النظام رغم التناقضات المستمرة.

المزيد من المستشعرات لا يعني دقة أكبر

ثمة اعتقاد شائع خاطئ: كلما زاد عدد المستشعرات ارتفعت الدقة. هذا منطقي من الناحية النظرية. أما عمليًا، فكل مستشعر يعيش في «واقعه» الخاص، بقيوده الفيزيائية وأخطائه المميزة وسيناريوهات تدهور الأداء الخاصة به. وهذا ما يواجهه نظام تحديد الموقع في الظروف الواقعية:

• LiDAR — تتراجع دقته في الثلج والضباب والمطر؛ ويُنتج وهجًا على الأسطح العاكسة
• GPS/GNSS — يفقد الإشارة تحت الجسور العلوية وفي الأنفاق وبالقرب من المباني الشاهقة
• الكاميرات — تعتمد على الإضاءة، ولا تتعامل جيدًا مع المصابيح الأمامية للمركبات القادمة والإضاءة الزائدة
• IMU (وحدة القياس بالقصور الذاتي) — لا تحتاج إلى إشارات خارجية، لكنها تراكم خطأ التكامل مع مرور الوقت
• قياس المسافة بالعجلات (Odometry) — دقيق على المسافات القصيرة، لكن انزلاق العجلات وعدم استواء السطح يتسببان في خطأ منهجي

وعندما تعمل عدة مصادر كهذه في وقت واحد، لا يتلقى النظام مجرد بيانات مشوَّشة، بل يتلقى ادعاءات متناقضة عن موقعه في الفضاء.

الخوارزمية بوصفها حكمًا بين التناقضات

يصف المؤلفون حالة الخوارزمية عبر صورة ترافولتا من فيلم «Pulp Fiction» — الميم الشهير الذي يلتفت فيه الممثل حوله في حيرة. هكذا «تشعر» المنظومة حين تقول عدة مستشعرات أشياء مختلفة في آن واحد: أين المركبة، وإلى أين تتجه، وبأي سرعة.

الحل ليس اختيار المستشعر «الصحيح» ولا تجاهل المستشعر «الخاطئ»، بل دمج جميع المصادر بأوزان تراعي موثوقيتها الحالية. ويُعرف هذا النهج بدمج المستشعرات (sensor fusion). وكلمة «الحالية» هنا هي المفتاح: فموثوقية المستشعر تتغير في الزمن الحقيقي بحسب ظروف البيئة المحيطة.

«تحديد الموقع لا يتعلق بالقياسات. بل بتفسير بيانات متناقضة في ظل عدم اليقين مئات المرات في الثانية»، — فريق

ЭвоКарго.

ما الذي يحدث داخل النظام

يستعرض المقال بالتفصيل البنية التي تتيح لمركبات ЭвоКарго العمل في ظروف المستودعات والمحطات الفعلية. ويحل النظام عدة مهام في وقت واحد.

أولًا، يقيّم مدى موثوقية كل مستشعر أثناء الحركة نفسها، لا استنادًا إلى المواصفات الرسمية، بل إلى سلوك البيانات في اللحظة الراهنة. فإذا بدأ LiDAR يُصدر «ضجيجًا» غير معتاد، فهذه إشارة إلى التدهور تسبق العطل الرسمي.

ثانيًا، يدمج بيانات ذات أختام زمنية وترددات أخذ عينات مختلفة: فـ GPS يُحدَّث مرة في الثانية، بينما تُحدَّث IMU مئات المرات. وردّها إلى لحظة زمنية واحدة دون تراكم أخطاء مسألة رياضية غير بسيطة.

ثالثًا، يستكمل موقع المركبة بالاستيفاء بين القياسات، بحيث يعرف نظام التحكم في أي لحظة الإحداثيات الحالية، لا تلك المسجَّلة قبل نصف ثانية.

ماذا يعني ذلك

تحديد الموقع الموثوق ليس سباقًا نحو زيادة عدد المستشعرات. بل هو القدرة على بناء خوارزميات مستقرة رياضيًا تعمل تحديدًا عندما تكون البيانات غير موثوقة. وبالنسبة إلى الاستقلالية الصناعية، فهذه ربما أهم مهارة هندسية، وهي التي تحدد الفارق بين نموذج أولي مخبري ونظام يعمل كل يوم في أي طقس.