ذكاء اصطناعي يكشف عمق الصخور المدفونة بالاهتزازات
كيف تعرف الروبوتات إن كانت الصخرة عائقاً يستحق الإزالة أم الأفضل الالتفاف حولها؟ طوّر باحثون أداة ذكاء اصطناعي تقدّر عمق الصخور المدفونة من اهتزازاتها، لتساعد المركبات الجوّالة على اتخاذ قرارات مستقلة وتفتح آفاقاً لتطبيقات على الأرض.
عندما يعبر مسبار جوّال أرضاً صخرية وعرة، يواجه قراراً بسيطاً في ظاهره: هل يزيح الصخرة أم يلتفّ حولها؟ ولا يمكن حسم ذلك قبل معرفة مقدار ما تخفيه الصخرة تحت السطح. وقد طوّر باحثون في جامعة Virginia Tech الأمريكية أدوات ذكاء اصطناعي تقدّر عمق دفن الصخور اعتماداً على الاهتزازات، بهدف أن تتخذ الروبوتات هذه القرارات بنفسها.
وتهدف الأدوات إلى مساعدة البعثات الروبوتية على تقييم التضاريس واتخاذ القرارات بصورة مستقلة. ونشر الباحثون نتائجهم في دورية IEEE Sensors Journal، وأصدرت الجامعة بياناً بحثياً عن الدراسة.
لماذا يهمّ عمق الصخرة المدفونة؟
تعمل المركبات الجوّالة بميزانية طاقة محدودة وهي تتنقل فوق تضاريس وعرة مليئة بالصخور. وتحتاج فرق البعثات إلى معرفة المسافة التي يمتدّ بها العائق تحت السطح قبل أن تقرّر إزالته، وتستخدم تقديرات عمق الدفن لتحسم بين إزالة العائق وتجنّبه. ولذلك تُعدّ معرفة عمق الصخور المدفونة مهمة في أعمال الحفر الروبوتية المقيّدة بالطاقة.
ويرى الباحثون أن لهذه المعرفة قيمة أوسع، إذ إن الإلمام بسطح الكوكب وباطنه ضروري عند التخطيط للبعثات الروبوتية والمأهولة، قبل الهبوط وقبل العمليات العلمية.
وقاد الدراسة Yiyan Ruan، طالب الدكتوراه في الجامعة، ومشرفه Erik Komendera، أستاذ الهندسة الميكانيكية المساعد، وكان Komendera قد عمل سابقاً باحثاً في مركز Langley للأبحاث التابع لناسا. ويقول Komendera إن الإنسان يستطيع تقييم الصخور بنظرة سريعة، فتبقى المشكلة في الروبوت:
«منذ أن بنى البشر أشياء على الأرض، كان علينا التعامل مع عوائق كبيرة وثقيلة لا يمكن تجاهلها أو إزاحتها ببساطة من دون تخطيط دقيق. ومن السهل علينا أن ننظر إلى الصخور ونُصدر أحكاماً سريعة قابلة للاختبار. هل هذه الصخرة مستقرة على السطح أم مدفونة جزئياً؟ هل أستطيع تحريكها وحدي أم أحتاج إلى مساعدة وأدوات؟ لكن ماذا لو احتاجت الروبوتات إلى ذلك؟ كيف يمكنها أن تُصدر هذه الأحكام؟ الآن لدينا إجابة.»
كيف اختُبرت الفكرة؟
دفن الفريق 18 كتلة خرسانية مختلفة الأشكال والأحجام والأعماق في الرمل. ثم ضرب الباحثون الجزء الظاهر من كل كتلة بمطرقة مزوّدة بأجهزة قياس، وقاسوا عن بُعد الاهتزازات الناتجة بمقياس دوبلر الليزري للاهتزاز (Laser Doppler Vibrometer، ويُختصر LDV).
بعد ذلك أدخل الفريق القياسات في شبكة عصبية من نوع الإدراك المتعدد الطبقات (Multilayer Perceptron، ويُختصر MLP)، وهي شبكة تتعلم أنماطاً معقدة غير خطية من البيانات. وربطت الشبكة بين 11 سمة قابلة للقياس تصل بين الضربة المسلّطة وهندسة الجزء الظاهر من الصخرة وعمق دفنها. ويقول الباحثون إن النماذج حدّدت عمق الكتل المدفونة بصورة موثوقة.
ويشرح Ruan سبب صعوبة المسألة: «تقدير عمق دفن الصخرة باستخدام الاهتزازات قد يكون صعباً». ويضيف: «تتأثر الاستجابة بهندسة الصخرة وبالطريقة التي تمسك بها التربة. ومن خلال اختيار السمات بعناية من قياسات الاهتزاز والهندسة الظاهرة، تمكّنا من الحصول على بيانات موثوقة باستخدام شبكة عصبية مدمجة لا تضم سوى طبقتين مخفيتين.»
وتبقى هذه الإضافة التي تتعلق بحجم الشبكة لافتة، لأن الشبكة الصغيرة تعني نموذجاً مدمجاً، وهو ما تتطلبه بيئات تعمل فيها الروبوتات بموارد محدودة.
وماذا عن استخدامات الأرض؟
في الفضاء، يمكن أن تساعد النماذج الروبوتات على حفر الصخور الواقعة تحت السطح ومخازن جليد الماء، وعلى إزالة العوائق في مسارات التنقل أو تجنّبها.
أما على الأرض، فيرى الفريق إمكانات في تحليل مواقع البناء ومناطق الكوارث الطبيعية لتحديد أماكن المواد الخطرة المدفونة، وفي دراسة التكوينات الصخرية غير المستقرة والكهوف الجوفية. ومن شأن هذه الدراسات أن تساعد في التخطيط للموارد والبناء، وفي استكشاف باطن الأرض.
غير أن هذه الاستخدامات ما زالت في طور الخطط. فالتجربة المنشورة أُجريت على كتل خرسانية مدفونة في الرمل، ويعتزم الفريق الآن بناء قواعد بيانات واختبار الأسلوب في تطبيقات أرضية. وستكشف تلك الاختبارات إن كانت النتائج ستصمد خارج ظروف التجربة الأولى.
أخبار ذات صلة
وكيل Meta الذكي Muse يصل إلى ساعات Apple Watch وWear OS
N-able توقف خدمة الوصول البعيد بعد كشف عشرات الثغرات الأمنية
روبوت يبني هيكلاً في الفضاء بمفرده للمرة الأولى
