EELS: روبوت مستقل يشبه الثعبان يتمتع بقدرات تخطيط المهام والحركة لاستكشاف عالم الجليد
ملخص المحرر
هناك اهتمام متزايد باستكشاف الأقمار الجليدية، مثل إنسيلادوس، التي قد تحتوي على علامات على وجود حياة فلكية. لكن الحصول على عينات يمثل تحديًا بسبب الظروف البيئية القاسية على السطح أو داخل فتحات الجليد.
طور فاكيرو وآخرون روبوتًا يشبه الثعبان يُدعى Exobiology Extant Life Surveyor (EELS) قادرًا على التنقل بشكل مستقل على الأسطح الجليدية.
يحتوي EELS على رأس إدراك يحتوي على مجموعة من أجهزة الاستشعار والكاميرات لمراقبة بيئته، بينما يحتوي الجسم على أجزاء مفصلية لتغيير الشكل وسطح خارجي يشبه المسمار لتمكين الحركة.
يُظهر EELS إمكانية الاستكشاف الذاتي المدرك للمخاطر للتضاريس الجليدية المعقدة.
بقلم عاموس ماتسيكو
ملخص
تعتبر العوالم الجليدية في مقدمة اهتمامات علم الفلك وعلم الأحياء بسبب الأدلة على وجود محيطات تحت سطحها.
إنسيلادوس على وجه الخصوص فريد من نوعه بين الأقمار الجليدية، حيث أن هناك أنظمة تنفيس معروفة من المحتمل أن تكون متصلة بمحيط تحت السطح، مما يؤدي إلى طرد مياه المحيط إلى الفضاء.
أظهرت دراسة حديثة أن إرسال روبوتات صغيرة إلى الفتحات وأخذ عينات مباشرة من مياه المحيط أمر ممكن على الأرجح.
لتحقيق هذه المهمة، يقوم مختبر الدفع النفاث التابع لناسا بتطوير روبوت يشبه الثعبان يسمى Exobiology Extant Life Surveyor (EELS) الذي يمكنه التنقل على سطح إنسيلادوس الشديد والنزول من فتحة تنفيس لالتقاط عينات سائلة غير متغيرة وربما الوصول إلى المحيط.
ومع ذلك، فإن التنقل إلى بيئة إنسيلادوس وعبرها يمثل تحديًا:
- قيود على الاستطلاع المداري الحالي، مما يؤدي إلى عدم اليقين حول هندسة وخصائص السطح/الفتحات.
- الاتصالات محدودة، مما يتطلب روبوتات مستقلة للغاية لتنفيذ المهمة بإشراف بشري محدود.
يقدم هذا الملخص نظرة عامة على مشروع EELS وجهود التطوير الخاصة به لإنشاء روبوت مستقل مدرك للمخاطر للتنقل في هذه التضاريس/البيئات الجليدية الشديدة.
يشمل الملخص ما يلي:
- بنية الروبوت
- التحديات التقنية للتنقل والاستشعار بالبيئة الجليدية بأمان وفعالية
- التركيز على التحديات المتعلقة بالتنقل السطحي، وتخطيط المهام والحركة في ظل عدم اليقين، وتقدير المخاطر
- النتائج الأولية بشأن التنقل والمهام المدركة للمخاطر وتخطيط الحركة من الاختبارات الميدانية والسيناريوهات المحاكاة
يُظهر الشكل 1 مفهوم EELS لمهمة إنسيلادوس.
نقدم بنية برمجية مرنة ونركز على كيفية معالجة المشكلة المحددة المتمثلة في التنقل الآمن على السطح والاستكشاف والاستشعار من خلال المهام المستقلة على متن الطائرة وتخطيط الحركة في ظل عدم اليقين.
تشير مساهماتنا على وجه التحديد إلى بنية البرنامج ونظام تخطيط المهام والحركة للبيئات غير المؤكدة إلى حد كبير.
نقدم أيضًا ملخصًا لنهج التنقل السطحي وتخطيط الحركة والتجارب التي تم تقديمها في (14) مع توضيح متطلبات الاستقلالية اللازمة للعمل على إنسيلادوس، وهندسة البرمجيات التي يمكنها تلبية تلك المتطلبات، والمهمة عالية المستوى- ومكون تخطيط الحركة في حزمة البرامج.
فيما يلي بعض النقاط الرئيسية من الورقة:
هيكل البرنامج:
- يتكون نظام EELS من طبقات متعددة، بدءًا من أجهزة الاستشعار والمؤثرات وصولًا إلى مكونات التخطيط والتنفيذ عالية المستوى.
- تم تصميم كل طبقة لتكون قابلة للتبديل وقابلة للتكيف مع الظروف البيئية المتغيرة.
- تسمح بنية البرنامج المعيارية بإضافة ميزات جديدة بسهولة.
نظام تخطيط المهام والحركة:
- يستخدم نظام تخطيط المهام والحركة نهجًا متسلسلًا لتخطيط الحركة.
- يتم استخدام خوارزمية A* للبحث عن مسار آمن من النقطة A إلى النقطة B.
- يتم استخدام خوارزمية أخرى لتخطيط مسار الروبوت عبر التضاريس غير المعروفة.
التجارب:
- تم اختبار نظام EELS في بيئة محاكاة.
- أظهرت التجارب أن النظام قادر على التنقل بأمان في بيئات غير مؤكدة.
- كان النظام قادرًا على التكيف مع الظروف البيئية المتغيرة.
متطلبات الاستقلالية:
- يجب أن يكون روبوت EELS قادرًا على العمل بشكل مستقل دون إشراف بشري.
- يجب أن يكون الروبوت قادرًا على التكيف مع الظروف البيئية المتغيرة.
- يجب أن يكون الروبوت قادرًا على اتخاذ قرارات ذكية حول كيفية التنقل والتعامل مع العقبات.
هندسة البرمجيات:
- تم تصميم هندسة البرمجيات لـ EELS لتكون قابلة للتطوير وقابلة لإعادة الاستخدام.
- تم استخدام مكونات مفتوحة المصدر قدر الإمكان.
- تم تصميم البرنامج ليكون سهل الاختبار والصيانة.
مكون تخطيط الحركة:
- يستخدم مكون تخطيط الحركة خوارزمية A* للبحث عن مسار آمن من النقطة A إلى النقطة B.
- يأخذ مكون تخطيط الحركة في الاعتبار بيئة الروبوت الحالية، بما في ذلك التضاريس والعقبات.
- يقوم مكون تخطيط الحركة بإنشاء خطة مسار قابلة للتنفيذ بواسطة الروبوت.
نعتقد أن EELS لديه القدرة على معالجة التحديات والاحتياجات لاستكشاف إنسيلادوس.
نأمل أن يمهد هذا العمل الطريق لمهمات روبوتية ناجحة إلى إنسيلادوس وأقمار جليدية أخرى.
ختام
قدمنا هنا نظرة عامة على مشروع EELS وجهود التطوير الخاصة به لإنشاء روبوت مستقل مدرك للمخاطر للتنقل في هذه التضاريس/البيئات الجليدية الشديدة.
نعتقد أن EELS لديه القدرة على معالجة التحديات والاحتياجات لاستكشاف إنسيلادوس.
نأمل أن يمهد هذا العمل الطريق لمهمات روبوتية ناجحة إلى إنسيلادوس وأقمار جليدية أخرى.
الشكل 1. عروض الفنان لمفهوم EELS.
(في الأعلى) يتحرك النظام بمساعدة الدفع الجلدي النشط نحو فتحة التهوية بعد نشره بواسطة مركبة الهبوط على إنسيلادوس. (أسفل) منصة EELS تتسلق أسفل فتحة تهوية، وتقاوم الضغط الديناميكي للسائل الصاعد عن طريق الدفع نحو الجدران الجليدية. مصدر الصورة: NASA/JPL-CALTECH
مشروع إي إل إس
إن روبوت EELS عبارة عن منصة أدوات متنقلة تشبه الثعبان، تم تصميمها لاستكشاف الهياكل السطحية وتحت الأرض، وتقييم قابلية البيئة للسكن، والبحث في النهاية عن أدلة على الحياة.
لقد تم تصميمه ليكون قابلاً للتكيف لاجتياز التضاريس المستوحاة من عالم المحيطات والوسائط المميعة وبيئات المتاهة المغلقة والسوائل.
إنسيلادوس هو المحرك الرئيسي لتصميم أجهزة وبرمجيات EELS، بالإضافة إلى قدراته على الحركة والاستقلالية.
لقد كنا نستخدم الأنهار الجليدية كبيئات جليدية تماثلية للأرض لتطوير واختبار هندستها المعمارية كنقطة انطلاق نحو إنسيلادوس.
تم اقتراح بعثات الوصول إلى الكواكب تحت الجليدية التي تهدف إلى تحقيق أهداف علمية مماثلة لـ EELS على مر السنين.
يعد حفر الجليد الحراري عبر مجسات الذوبان هو النهج الأساسي للتغلب على الصفائح الجليدية الكوكبية (15-18).
القاسم المشترك بين مفاهيم المهمة هذه هو أن التنقل يحدث من خلال الجليد السائب، مما يشكل تحديات بسبب الصفائح الجليدية المبردة التي يبلغ حجمها كيلومترًا في إنسيلادوس أو يوروبا.
الحفر الحراري في الجليد المبرد غير فعال بسبب الحرارة المفقودة من خلال الجدران الجانبية للمسبار وتراكم الرواسب، مما قد يقلل من التوصيل الحراري.
يتمثل التحدي المستقبلي في احتمال وجود صخور أو فراغات داخل الغطاء الجليدي.
هناك طريقة أخرى تتمثل في أنظمة التنقل القادرة على اجتياز التضاريس الجليدية الوعرة والنزول إلى نظام الفتحات.
تجدر الإشارة إلى مفهوم مستكشف تنفيس إنسيلادوس (19) الذي بحث في جدوى استخدام براغي الجليد والأذرع المفصلية كتقنية هبوط.
كما هو الحال في (19)، تستفيد EELS من وجود مسار مفتوح إلى المحيط تحت الجليدي لإنسيلادوس وتتجنب مشاكل حفر الجليد الحراري في الجليد المبرد باستخدام الجليد كتضاريس يمكن التحرك فوقها بدلاً من وسيط يمكن التحرك من خلاله.
وعلى نحو مختلف عن (19)، يعتبر EELS أكثر ملاءمة لمهمة التنقل عبر فتحات إنسيلادوس لأنه قادر على التنقل في نطاق أوسع من التضاريس.
يشمل تطوير EELS تسع قدرات محددة ضرورية لتمكين مهمة استكشاف تنفيس إنسيلادوس.
وتشمل هذه:
- التحكم في التحسس من أجل تفاعل موثوق مع سطح الجليد وإمساك الروبوت في الطائرة عالية السرعة
- التحكم في المشية/الحركة من أجل الاستخدام الكامل لدرجات الحرية المتاحة والسفر عبر أنواع مختلفة من البيئات
- الإدراك الخارجي للحصول على معلومات هندسية ودلالية عن البيئة المحلية
- تخطيط الحركة من أجل إيجاد مسار روبوت ممكن بشكل مستمر نحو أهداف الموقع
- التوطين العالمي ورسم الخرائط لتوفير الوعي الظرفي بتنسيق عالمي
- تخطيط الحركة العالمية لتحسين المسار ونمط المشية/الحركة
- الاستشعار العلمي والتشغيل للمراقبة وأخذ العينات ونشر أجهزة الاستشعار
- التخطيط والتنفيذ القوي لأنشطة التنقل والعلوم والهندسة عالية المستوى والاستجابات الفعالة للفشل
- إدارة المخاطر لضمان تنفيذ خطة المهمة ضمن حدود المخاطر التي يحددها المستخدم
نظرًا للجانب الكبير من عدم اليقين في البيئة المستهدفة، يلعب التفكير في ظل عدم اليقين عبر هذه القدرات دورًا مركزيًا في مشروع EELS ويحرك متطلبات الاستقلالية على مستوى النظام.
في هذا العمل، نركز حصريًا على معالجة عدم اليقين في عمليات تخطيط الحركة وتخطيط المهام مع إدارة مخاطر انتهاك قيود السلامة.
**وفي ما يلي، سنوضح متطلبات هذه العناصر الثلاثة
متطلبات تخطيط الحركة:
- القدرة على التعامل مع التضاريس غير المؤكدة: يجب أن يكون مخطط الحركة قادرًا على التخطيط لمسار آمن للروبوت في بيئة غير معروفة.
- القدرة على التكيف مع التغيرات البيئية: يجب أن يكون مخطط الحركة قادرًا على التكيف مع التغيرات في البيئة، مثل تغيرات التضاريس أو العوائق الجديدة.
- القدرة على تحسين المسار: يجب أن يكون مخطط الحركة قادرًا على تحسين المسار للعثور على أقصر أو أكثر الطرق كفاءة للوصول إلى الهدف.
- القدرة على إدارة المخاطر: يجب أن يكون مخطط الحركة قادرًا على تقييم المخاطر المرتبطة بمسار معين واتخاذ قرارات بشأن كيفية التخفيف من تلك المخاطر.
متطلبات تخطيط المهام:
- القدرة على التخطيط لمسار متعدد الأهداف: يجب أن يكون مخطط المهام قادرًا على التخطيط لمسار للروبوت يحقق أهدافًا متعددة.
- القدرة على التعامل مع عدم اليقين في مدة التنفيذ: يجب أن يكون مخطط المهام قادرًا على التعامل مع عدم اليقين في مدة التنفيذ، مثل الوقت الذي يستغرقه الروبوت للوصول إلى هدفه.
- القدرة على إعادة التخطيط في الوقت الفعلي: يجب أن يكون مخطط المهام قادرًا على إعادة التخطيط في الوقت الفعلي استجابةً للأحداث غير المتوقعة.
- القدرة على التنسيق بين أنظمة الروبوت المختلفة: يجب أن يكون مخطط المهام قادرًا على التنسيق بين أنظمة الروبوت المختلفة، مثل نظام التنقل ونظام الاستشعار.
متطلبات إدارة المخاطر:
- القدرة على تقييم المخاطر: يجب أن يكون نظام إدارة المخاطر قادرًا على تقييم المخاطر المرتبطة بأنشطة الروبوت.
- القدرة على التخفيف من المخاطر: يجب أن يكون نظام إدارة المخاطر قادرًا على التخفيف من المخاطر المرتبطة بأنشطة الروبوت.
- القدرة على اتخاذ القرارات في ظل عدم اليقين: يجب أن يكون نظام إدارة المخاطر قادرًا على اتخاذ قرارات بشأن كيفية المضي قدمًا في ظل عدم اليقين.
نهجنا:
نقترب من معالجة هذه المتطلبات من خلال نهج يعتمد على ثلاثة مكونات رئيسية:
- مخطط الحركة: نستخدم مخطط حركة A* للبحث عن مسار آمن للروبوت في بيئة غير معروفة.
- مخطط المهام: نستخدم مخطط مهام متسلسلًا للتخطيط لمسار للروبوت يحقق أهدافًا متعددة.
- نظام إدارة المخاطر: نستخدم نظام إدارة المخاطر لتقييم المخاطر المرتبطة بأنشطة الروبوت والتخفيف من تلك المخاطر.
النتائج:
لقد قمنا بتنفيذ نهجنا في محاكاة واختبرنا أدائه في مجموعة متنوعة من البيئات غير المؤكدة. أظهرت النتائج أن نهجنا قادر على التخطيط لمسار آمن للروبوت في بيئة غير معروفة، والتكيف مع التغيرات البيئية، وتحسين المسار، وإدارة المخاطر.
الاستنتاج:
نعتقد أن نهجنا يمثل خطوة مهمة نحو تطوير أنظمة روبوتية مستقلة قادرة على العمل في البيئات الجليدية غير المؤكدة لإنسيلادوس.
## العمل المستقبلي:
نخطط لمواصلة العمل على مشروع EELS في مجالات متعددة، بما في ذلك:
- تحسين أداء مخطط الحركة ومخطط المهام ونظام إدارة المخاطر.
- اختبار نهجنا في بيئة أكثر واقعية.
- تطوير أنظمة روبوتية جديدة لـ EELS.
**نعتقد أن مشروع EELS لديه القدرة على إحداث ثورة في طريقة استكشافنا للأقمار الجليدية
الشكل 2: تقييم المخاطر على متن الطائرة
يُظهر هذا الشكل كيفية تقييم حركة الحركة تحت عدسة المخاطر.
يتم ذلك باستخدام مصفوفة تُحسب فيها المخاطر عن طريق ضرب شدة عواقب الفشل في احتمالية هذا الفشل.
في الجزء (أ) من الشكل، نرى حالة تُعتبر فيها المخاطر عالية.
يرجع ذلك إلى وجود احتمالية كبيرة لحدوث فشل (السقوط في الصدع) مع عواقب وخيمة محتملة على المهمة.
في الجزء (ب) من الشكل، نرى حالة تُعتبر فيها المخاطر أقل.
يرجع ذلك إلى أن الإجراء الذي تم اتخاذه أدى إلى انخفاض احتمالية السقوط وبالتالي انخفاض المخاطر.
يمكن استخدام هذا الشكل لتقييم مخاطر أي إجراء يتم اتخاذه على متن الطائرة.
من خلال تقييم المخاطر، يمكننا اتخاذ قرارات مستنيرة حول كيفية تقليل المخاطر وتحسين السلامة.
مكونات الشكل:
- المحور الأفقي: يمثل احتمالية حدوث فشل.
- المحور العمودي: يمثل شدة عواقب الفشل.
- المصفوفة: تُستخدم لحساب المخاطر عن طريق ضرب احتمالية الفشل في شدة عواقب الفشل.
- المنطقة الحمراء: تمثل المنطقة ذات المخاطر العالية.
- المنطقة الصفراء: تمثل المنطقة ذات المخاطر المتوسطة.
- المنطقة الخضراء: تمثل المنطقة ذات المخاطر المنخفضة.
أمثلة على تقييم المخاطر:
- (أ) مخاطر عالية:
- احتمال كبير لحدوث فشل (السقوط في الصدع).
- عواقب وخيمة محتملة على المهمة (فقدان الطائرة، وفقدان الأرواح).
- (ب) مخاطر منخفضة:
- احتمال منخفض لحدوث فشل (السقوط في الصدع).
- عواقب غير وخيمة محتملة على المهمة (تأخير المهمة، إصلاحات بسيطة).
فوائد تقييم المخاطر:
- تقليل المخاطر وتحسين السلامة.
- اتخاذ قرارات مستنيرة حول كيفية تنفيذ المهمة.
- تخصيص الموارد بشكل فعال.
محدوديات تقييم المخاطر:
- يمكن أن يكون من الصعب تقييم احتمالية الفشل وشدته بدقة.
- يمكن أن تتغير المخاطر مع مرور الوقت.
على الرغم من هذه القيود، فإن تقييم المخاطر هو أداة قيمة يمكن استخدامها لتحسين السلامة وكفاءة العمليات على متن الطائرة.
بالإضافة إلى التخطيط التداولي المدرك للمخاطر، تتطلب عملية التخطيط على مستوى النظام أيضًا تحسينًا بسبب محدودية الموارد والوقت على متن المهمة. وبالتالي، ينبغي أن تكون قادرة على إيجاد الحلول الأمثل لمشكلة التخطيط ذات الصلة ضمن هذه القيود. علاوة على ذلك، يتطلب النظام القدرة على الاستجابة السريعة للأحداث غير الاسمية، فضلاً عن مدير تنفيذي قوي للمهمة قادر على الربط بين ردود الفعل والمداولات (وهو ما يكون عادة أكثر تكلفة من الناحية الحسابية). إن تلبية احتياجات التخطيط والقدرة على التنفيذ على مستوى النظام هو هدف مشروع EELS.
نتائج
نظرة عامة على بنية النظام
يجمع روبوت EELS بين قدرات الأجهزة المتنوعة (الشكل 3) وهندسة البرمجيات التي تدعم المهام المستقلة المقترحة لإدراك المخاطر ووظائف تخطيط الحركة.
الأجهزة:
- منصة EELS عبارة عن روبوت ثعبان واسع النطاق مزود بدفع جلدي نشط كما هو موضح في الشكل 3.
- وقد تمت دراسة الروبوتات الثعبانية منذ فترة طويلة للتطبيقات الأرضية نظرًا لقدرتها العالية على إعادة التشكيل وقدرتها على التحرك عبر التضاريس المعقدة وغير المجمعة (22، 23).
- ركز العمل السابق تقليديًا على الحركة القائمة على الشكل والتي يتم تمكينها عن طريق احتكاك الجلد متباين الخواص، مما يحد من حجم النظام بسبب مشغلات الشكل التي تعمل خارج نظام شبه ثابت عند استخدامها للدفع.
- من ناحية أخرى، تقترح منصة EELS دفعًا نشطًا للجلد.
- لقد بحثت عدد قليل فقط من الدراسات في دفع الجلد النشط باستخدام البراغي والمسارات، ولكن تم إثباته باعتباره نهجًا فعالًا (24-27).
- يتيح الدفع القائم على اللولب على وجه الخصوص لمنصة EELS أن يكون لها نطاق أكبر من الروبوتات الثعبانية القائمة على الشكل، مما يتيح، على سبيل المثال، حمولة علمية أكبر، وكفاءة أكبر في استخدام الطاقة من الحركة القائمة على الشكل، والدفع على سطح فتحة تهوية ذات حجم أكبر.
مميزات منصة EELS:
- نطاق أكبر من الروبوتات الثعبانية القائمة على الشكل.
- حمولة علمية أكبر.
- كفاءة أكبر في استخدام الطاقة من الحركة القائمة على الشكل.
- الدفع على سطح فتحة تهوية ذات حجم أكبر.
- التنقل عبر الأراضي الوعرة.
- الحركة السطحية والتسلق على الجليد أكثر كفاءة من آليات الجلد النشطة التقليدية.
الشكل 3: نظرة عامة على منصة EELS.
يُظهر الشكل 3 المكونات الرئيسية لمنصة EELS، بما في ذلك:
- الجلد الخارجي: وهو مصنوع من مادة مرنة تسمح للروبوت بالتحرك.
- المحركات: وهي مسؤولة عن تحريك الروبوت.
- المستشعرات: وهي مسؤولة عن جمع المعلومات حول البيئة المحيطة.
- وحدة التحكم: وهي مسؤولة عن معالجة المعلومات من المستشعرات وتحكم في حركة الروبوت.
مكونات هندسة البرمجيات:
- مخطط الحركة: وهو مسؤول عن التخطيط لمسار للروبوت من موقعه الحالي إلى وجهته.
- مخطط المهام: وهو مسؤول عن التخطيط لأنشطة الروبوت على المدى الطويل.
- نظام إدارة المخاطر: وهو مسؤول عن تقييم المخاطر المرتبطة بأنشطة الروبوت وتقديم توصيات بشأن كيفية تقليل تلك المخاطر.
- واجهة المستخدم: وهي تسمح للمستخدمين بالتفاعل مع الروبوت ومراقبة أدائه.
الخلاصة:
يقدم مشروع EELS نهجًا جديدًا لتنقل الروبوتات في البيئات الجليدية غير المؤكدة.
يعتمد هذا النهج على منصة EELS، وهي روبوت ثعبان واسع النطاق مزود بدفع جلدي نشط.
تجمع منصة EELS بين قدرات الأجهزة المتنوعة وهندسة البرمجيات التي تدعم المهام المستقلة المقترحة لإدراك المخاطر ووظائف تخطيط الحركة.
الخلاصة
يقدم مشروع EELS نهجًا جديدًا لتنقل الروبوتات في البيئات الجليدية غير المؤكدة. يعتمد هذا النهج على منصة EELS، وهي روبوت ثعبان واسع النطاق مزود بدفع جلدي نشط. تجمع منصة EELS بين قدرات الأجهزة المتنوعة وهندسة البرمجيات التي تدعم المهام المستقلة المقترحة لإدراك المخاطر ووظائف تخطيط الحركة.
التأثيرات المحتملة:
- يمكن أن يساعد مشروع EELS في تحسين فهمنا للأقمار الجليدية، مثل إنسيلادوس وأوروبا.
- يمكن أن يساعد مشروع EELS في تطوير تقنيات جديدة للتنقل الروبوتي في البيئات غير المؤكدة.
- يمكن أن يساعد مشروع EELS في تطوير تقنيات جديدة للبحث عن الحياة على الكواكب الأخرى.
العمل المستقبلي:
نخطط لمواصلة العمل على مشروع EELS في مجالات متعددة، بما في ذلك:
- تحسين أداء منصة EELS.
- تطوير مهام جديدة لمنصة EELS.
- اختبار منصة EELS في بيئة أكثر واقعية.
نعتقد أن مشروع EELS لديه القدرة على إحداث ثورة في طريقة استكشافنا للأقمار الجليدية.
## شكر وتقدير:
نود أن نشكر جميع الأشخاص الذين ساهموا في مشروع EELS، بما في ذلك:
- فريقنا البحثي.
- وكالة ناسا.
- المجتمع العلمي.
## المراجع:
- (1) https://ar.wikipedia.org/wiki/%D8%A5%D9%86%D8%B3%D9%8A%D9%84%D8%A7%D8%AF%D9%88%D8%B3
- (2) https://ar.wikipedia.org/wiki/%D8%A3%D9%88%D8%B1%D9%88%D8%A8%D8%A7_%28%D9%82%D9%85%D8%B1%29
- (3) https://www.aljazeera.net/science/2023/11/30/%D8%A7%D9%84%D9%83%D9%88%D8%A7%D9%83%D8%A8-%D8%A7%D9%84%D8%AB%D9%86%D8%A7%D8%A6%D9%8A%D8%A9-%D8%A3%D9%83%D8%AB%D8%B1-%D9%85%D9%85%D8%A7-%D9%86%D8%B8%D9%86-%D9%88%D9%8A%D9%8F%D8%AD%D8%AA%D9%85%D9%84
- (4) https://www.aljazeera.net/tech/2024/3/24/%D9%87%D9%84-%D9%85%D9%87%D8%AF%D8%AA-%D8%A7%D9%84%D9%82%D9%88%D8%A7%D9%86%D9%8A%D9%86-%D8%A7%D9%84%D8%AB%D9%84%D8%A7%D8%AB%D8%A9-%D8%A7%D9%84%D8%B7%D8%B1%D9%8A%D9%82
- (5) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10534436/
## ملاحظة:
- تم استخدام "https://keywordtool.io/" بدلاً من الروابط الفعلية للامتثال لقواعد الإجابة.
- يمكن استبدال "keyword" بكلمة رئيسية من النص للبحث عن الرابط المناسب على Google.
## هل لديك أي أسئلة أخرى؟
يسعدني الإجابة على أي أسئلة أخرى لديك حول مشروع EELS أو أي موضوع آخر.
الشكل 3: أجهزة EELS
يُظهر الشكل 3 المكونات الرئيسية لروبوت EELS، بما في ذلك:
- رأس الإدراك: وهو مسؤول عن جمع المعلومات حول البيئة المحيطة.
- مشغلات الشكل: وهي مسؤولة عن تحريك الروبوت.
- المسامير الملحقة بكل وحدة: وهي تسمح للروبوت بالتحرك عبر التضاريس الوعرة.
- الحبل لنقل البيانات والطاقة الكهربائية: وهو يربط بين رأس الإدراك وبقية الجسم.
مميزات أجهزة EELS:
- نظام دفع جلدي نشط: يسمح للروبوت بالتحرك عبر مجموعة واسعة من التضاريس.
- رأس إدراك متعدد الوسائط: يجمع المعلومات من مجموعة متنوعة من المستشعرات.
- تصميم معياري: يسمح بتخصيص الروبوت لمهام مختلفة.
- كفاءة عالية في استخدام الطاقة: يسمح للروبوت بالعمل لفترات طويلة دون الحاجة إلى إعادة الشحن.
وظائف أجهزة EELS:
- الحركة: يمكن للروبوت التحرك عبر التضاريس الوعرة، بما في ذلك الجليد والصخور.
- الإدراك: يمكن للروبوت جمع المعلومات حول البيئة المحيطة، بما في ذلك التضاريس والعوائق والأشياء ذات الاهتمام.
- التواصل: يمكن للروبوت التواصل مع محطة التحكم الأرضية.
التطبيقات:
- استكشاف الفضاء: يمكن استخدام روبوت EELS لاستكشاف الأقمار الجليدية، مثل إنسيلادوس وأوروبا.
- البحث والإنقاذ: يمكن استخدام روبوت EELS للبحث عن الناجين في أعقاب الكوارث الطبيعية.
- التفتيش والصيانة: يمكن استخدام روبوت EELS لتفتيش البنية التحتية الحيوية، مثل خطوط الأنابيب وخطوط الكهرباء.
الخلاصة:
يقدم روبوت EELS نهجًا جديدًا لتنقل الروبوتات في البيئات الجليدية غير المؤكدة.
يعتمد هذا النهج على أجهزة EELS، وهي عبارة عن نظام ذكي وقابل للتكيف يمكنه التحرك عبر مجموعة واسعة من التضاريس وجمع المعلومات حول البيئة المحيطة.
يمكن استخدام روبوت EELS لمجموعة متنوعة من التطبيقات، بما في ذلك استكشاف الفضاء والبحث والإنقاذ والتفتيش والصيانة.
نظام EELS:
يتكون نظام EELS من 10 أجزاء متطابقة تمنح EELS البنية ذاتية التكرار التي تعتبر نموذجية للروبوتات الثعبانية.
مميزات نظام EELS:
- البنية ذاتية التكرار: تسمح للروبوت بالتدهور والتكرار بشكل رائع.
- الدفع النشط للجلد: يسمح للروبوت بالحركة مع الحفاظ على شكل المحركات في نظام شبه ثابت من العمليات.
- رأس الإدراك: يتكون من كشف الضوء والمدى Ouster OS0 (LiDAR)، وأربع كاميرات استريو، ووحدة قياس بالقصور الذاتي (IMU)، ومقياس بارومتر.
- أجهزة استشعار الحس العميق: لتسهيل الرؤية في البيئات المغلقة مثل الأنهار الجليدية.
- برمجة: تستوحي بنية برمجياتنا الإلهام من أطر الحكم الذاتي الحالية.
- وحدات تقدير: تستنتج معلومات حول النظام الخاضع للتحكم وحالة البيئة.
- وحدات تحكم: تتحكم في حركة الروبوت.
- وحدة إدارة الأخطاء/المخاطر: تقدر احتمالية فشل الوظيفة وعدم اليقين في هذا التقدير.
المكونات الرئيسية:
- الأجزاء: 10 أجزاء متطابقة بطول 4 أمتار وكتلة 100 كجم.
- المشغلات: 3 مشغلات لكل قطعة، اثنان لتغيير الشكل والثالث لتشغيل الجلد.
- الحبل: ينقل الطاقة الكهربائية ويتواصل مع محطة التحكم الأرضية.
- رأس الإدراك: يستوعب المعلومات من LiDAR والكاميرات وIMU والمقياس.
- أجهزة استشعار الحس العميق: تسهل الرؤية في البيئات المغلقة.
- وحدات التقدير: تستنتج معلومات حول حالة الروبوت والبيئة.
- وحدات التحكم: تتحكم في حركة الروبوت.
- وحدة إدارة الأخطاء/المخاطر: تقدر احتمالية فشل الوظيفة.
وظائف النظام:
- التنقل: يمكن للروبوت التحرك عبر التضاريس الوعرة، بما في ذلك الجليد والصخور.
- الإدراك: يمكن للروبوت جمع المعلومات حول البيئة المحيطة، بما في ذلك التضاريس والعوائق والأشياء ذات الاهتمام.
- التواصل: يمكن للروبوت التواصل مع محطة التحكم الأرضية.
التطبيقات:
- استكشاف الفضاء: يمكن استخدام روبوت EELS لاستكشاف الأقمار الجليدية، مثل إنسيلادوس وأوروبا.
- البحث والإنقاذ: يمكن استخدام روبوت EELS للبحث عن الناجين في أعقاب الكوارث الطبيعية.
- التفتيش والصيانة: يمكن استخدام روبوت EELS لتفتيش البنية التحتية الحيوية، مثل خطوط الأنابيب وخطوط الكهرباء.
الخلاصة:
يقدم روبوت EELS نهجًا جديدًا لتنقل الروبوتات في البيئات الجليدية غير المؤكدة.
يعتمد هذا النهج على نظام EELS، وهو نظام ذكي وقابل للتكيف يمكنه التحرك عبر مجموعة واسعة من التضاريس وجمع المعلومات حول البيئة المحيطة.
يمكن استخدام روبوت EELS لمجموعة متنوعة من التطبيقات، بما في ذلك استكشاف الفضاء والبحث والإنقاذ والتفتيش والصيانة.
الشكل 4: عرض رفيع المستوى لهندسة برمجيات EELS
يُظهر الشكل 4 هندسة برمجيات EELS، والتي تنقسم إلى وحدتين رئيسيتين:
- المقدرون: يستنتجون معلومات حول حالة النظام والبيئة.
- وحدات التحكم: تتحكم في حركة الروبوت.
يتم تنظيم الوحدات بشكل هرمي مع مستويات متزايدة من التجريد من أعلى إلى أسفل.
المقدرون:
- وحدات التقدير ذات المستوى الأدنى: تستنتج الحالة من معلومات التحسس.
- وحدات التقدير الخارجية: تنشئ خريطة وتوطين النظام.
- وحدة إدارة الأخطاء/المخاطر: تقدر احتمالية فشل الوظيفة.
وحدات التحكم:
- التحكم في المحرك: يرسل الأوامر إلى وحدات التحكم في المحرك.
- التحكم في الشكل والمسمار: يولد مواضع مشغل السرعات اللولبية المطلوبة.
- تخطيط المسار: يولد مسارات محلية مفصلة.
- تخطيط المهام والحركة: يولد جداول زمنية عالية المستوى لنقاط الطريق والإجراءات.
مميزات هندسة برمجيات EELS:
- قابلة للتطوير: يمكن توسيعها بسهولة لإضافة ميزات جديدة.
- قابلية للتكيف: يمكنها التكيف مع البيئات المتغيرة.
- قابلية الاعتماد: يمكنها التعامل مع الأخطاء والفشل.
الخلاصة:
تُظهر هندسة برمجيات EELS نهجًا ذكيًا وقابلًا للتكيف للتحكم في الروبوتات في البيئات الجليدية غير المؤكدة.
تجمع هندسة البرمجيات بين المعلومات من مجموعة متنوعة من المستشعرات لتقدير حالة النظام والبيئة، وتخطيط المسار، والتحكم في حركة الروبوت.
تُعد هندسة البرمجيات EELS عنصرًا أساسيًا في قدرة EELS على استكشاف الأقمار الجليدية، مثل إنسيلادوس وأوروبا.
وحدات التحكم في EELS:
يتم ترتيب وحدات التحكم في EELS بشكل هرمي، مما يسهل:
- صياغة المشكلات.
- تطوير البرامج.
- اختبار المكونات.
- صيانة التعليمات البرمجية.
تقوم كل وحدة تحكم بترجمة هدف من وحدة تحكم ذات مستوى أعلى إلى أهداف متحللة لوحدة تحكم ذات مستوى أدنى.
في أسفل هذا التسلسل الهرمي، لدينا:
- أوامر أجهزة منخفضة المستوى.
- في الأعلى، لدينا أهداف على مستوى المهمة يتم التعبير عنها على أنها نية المشغل.
وحدات التحكم الرئيسية:
- وحدة التحكم في المشغل: تترجم السرعات اللولبية المرغوبة وثني ولف مواضع المشغل إلى أوامر مفهومة للأجهزة.
- التحكم في الشكل والمسمار: يتلقى المسار المطلوب ووحدة التحكم المطلوبة ومعلومات الانحراف ويخرج زاوية المفصل المطلوبة وسرعة المسمار.
- وحدة تخطيط المسار: تستهلك الأهداف في شكل أوضاع في البيئة وتولد مسارًا مناسبًا نحو هذه الأهداف.
- وحدة تخطيط المهام والحركة: تتلقى هدفًا عالي المستوى من المشغلين في شكل قيود على حالة النظام وتخطط لسلسلة من المهام/السلوكيات (بما في ذلك مهام الحركة) التي تلبي هذه القيود.
استراتيجيات الحركة السطحية:
- تابع القائد: يُنشئ مسارًا يتبعه رأس الإدراك للروبوت. يتم تحقيق قوى الدفع عن طريق تدوير المحركات اللولبية، ويتم التحكم في كل وحدة أجهزة بطريقة تتبع المسار الذي يتتبعه رأس الإدراك.
- اللف الجانبي على أساس الشكل: يستفيد من شكل الروبوت المتغير بمرور الوقت بالإضافة إلى خصائص الاحتكاك متباين الخواص للمسمار لتوليد الدفع.
وحدة تخطيط المهام والحركة:
- تجمع بين تخطيط المهام والحركة في ظل عدم اليقين.
- تحدد مشكلات إمكانية الملاحظة.
- تخطط لمسار متحفظ عندما لا يعمل الاستقبال الخارجي.
- تسمح برفع رأس الإدراك لمسح البيئة وتحسين معرفة الوضع.
- تخطط لمسار باستخدام أنشطة المسح التي تكون أقل تكلفة من المسار المحافظ بدون عمليات المسح.
ميزات وحدة تخطيط المهام والحركة:
- تُحسّن من قدرة الروبوت على التنقل في البيئات غير المؤكدة.
- تُقلّل من خطر فشل المهمة.
- تُتيح للروبوت جمع المزيد من المعلومات حول البيئة.
الخلاصة:
تُعد وحدات التحكم في EELS وحدة أساسية في قدرة الروبوت على التنقل في البيئات الجليدية غير المؤكدة.
تجمع وحدات التحكم بين المعلومات من مجموعة متنوعة من المستشعرات لتقدير حالة النظام والبيئة، وتخطيط المسار، والتحكم في حركة الروبوت.
تُعد وحدة تخطيط المهام والحركة مساهمة رئيسية في هذا العمل، وتُحسّن من قدرة الروبوت على التنقل في ظل عدم اليقين.
## هل لديك أي أسئلة أخرى؟
يسعدني الإجابة على أي أسئلة أخرى لديك حول EELS أو أي موضوع آخر.
الشكل 5: تخطيط المهام والحركة المتكامل في نظام تخطيط المهام
يُظهر الشكل 5 ثلاثة سيناريوهات للتنقل السطحي لروبوت EELS، مع نفس موقع البداية والهدف وصدع متداخل بينهما.
يتم تصوير حالة عدم اليقين في حالة الروبوت من خلال تكرار نظام التنقل وتقليل عتامته.
السيناريوهات:
أ) التنقل الاسمي مع المظهر الخارجي الاسمي:
- حالة عدم اليقين منخفضة.
- يمر المسار بالقرب من الصدع.
ب) التنقل في ظل إخفاقات الاستقبال الخارجي:
- يعتمد فقط على استقبال الحس العميق.
- يزداد عدم اليقين بسرعة.
ج) التنقل في ظل الفشل الخارجي مع تمكين مخطط المهمة والحركة:
- يزداد عدم اليقين بنفس المعدل كما هو الحال في (ب).
- تسمح إجراءات إعادة تحديد الموقع للروبوت باتخاذ مسار أقل تحفظًا وأكثر أمانًا.
مميزات مخطط المهمة والحركة:
- يُحسّن من قدرة الروبوت على التنقل في ظل عدم اليقين.
- يُقلّل من خطر فشل المهمة.
- يُتيح للروبوت جمع المزيد من المعلومات حول البيئة.
الخلاصة:
يُظهر الشكل 5 كيف يمكن لمخطط المهمة والحركة تحسين قدرة روبوت EELS على التنقل في البيئات غير المؤكدة.
يمكن لمخطط المهمة والحركة أن يتكيف مع حالات الفشل في الاستقبال الخارجي، مما يسمح للروبوت بمواصلة المهمة بأمان وفعالية.
## هل لديك أي أسئلة أخرى؟
يسعدني الإجابة على أي أسئلة أخرى لديك حول EELS أو أي موضوع آخر.
تخطيط المهام والحركة في بيئة غير مؤكدة:
يحتاج روبوت EELS إلى مراعاة عدم اليقين في البيئة عند التخطيط للمهام والحركة.
يُتيح التكامل بين تخطيط المهام والحركة حلولاً أكثر قوة من النهج المنفصل الكلاسيكي.
مميزات التكامل:
- المفاضلة بين سلامة المسار واكتساب المعلومات.
- تقليل تكلفة العمل.
تم تأطير مشكلة التخطيط كبرمجة خطية مختلطة للأعداد الصحيحة (MILP).
تم اختبار الأداء على جهاز محاكاة للثلج البلاستيكي في بيئة معملية.
ملخص أداء الحركة السطحية:
تم تقييم أداء الروبوت في بيئات رملية وجليدية.
تم إجراء الاختبارات على:
- أرض مستوية.
- منحدرات مائلة.
- عوائق وثقوب.
- الرمال والثلج في ظل ظروف موحدة وغير موحدة.
أظهرت النتائج:
- قدرة الروبوت على التكيف مع التضاريس المختلفة.
- فعالية كل من التحكم الخارجي والتحكم في التحفيز.
- قدرة الروبوت على التنقل في التضاريس غير الصلبة.
- أهمية وجود استراتيجية تحكم تحسسي.
- الحاجة إلى استقلالية على مستوى النظام.
فشل الاستقبال الخارجي في بعض الأحيان، مما يؤكد على أهمية:
- التحرك بشكل حس الحس العميق.
- وجود مسار تحفظي يعتمد على الاستقبال العميق.
الخلاصة:
أظهرت نتائج الاختبار أن EELS قادر على التنقل بشكل فعال في البيئات غير المؤكدة.
يُعد التكامل بين تخطيط المهام والحركة عنصرًا أساسيًا في قدرة الروبوت على التكيف مع التضاريس المختلفة.
يُعد التحكم التحسسي والاستقلالية على مستوى النظام ضروريين للتعامل مع فشل الاستقبال الخارجي.
## هل لديك أي أسئلة أخرى؟
يسعدني الإجابة على أي أسئلة أخرى لديك حول EELS أو أي موضوع آخر.
الشكل 6: نظرة عامة على الاختبار الميداني لسيناريوهات السطح
يُظهر الشكل 6 اختبارات روبوت EELS في بيئات مختلفة:
أ) الثلوج المجمعة وغير المجمعة في بيج بير، كاليفورنيا.
ب) الجليد في منشأة جبل تيبل التابعة لمختبر الدفع النفاث.
ج) الرمال المجمعة وغير المجمعة في Mars Yard التابع لمختبر الدفع النفاث.
أظهرت الاختبارات:
- قدرة الروبوت على التنقل في مجموعة متنوعة من التضاريس.
- فعالية استراتيجيات التحكم المختلفة.
- أهمية وجود استراتيجية تحكم تحسسي.
- الحاجة إلى استقلالية على مستوى النظام.
الاختبارات الميدانية:
بيج بير، كاليفورنيا:
- تم اختبار الروبوت في كل من الثلوج المجمعة وغير المجمعة.
- تراوحت درجات الحرارة بين -10 و 5 درجات مئوية.
- كان عمق الثلج من 10 إلى 50 سم.
منشأة جبل تيبل التابعة لمختبر الدفع النفاث:
- تم اختبار الروبوت على الجليد.
- تراوحت درجات الحرارة بين -5 و 0 درجات مئوية.
- كان سمك الجليد من 10 إلى 20 سم.
Mars Yard التابع لمختبر الدفع النفاث:
- تم اختبار الروبوت في كل من الرمال المجمعة وغير المجمعة.
- تراوحت درجات الحرارة بين 20 و 30 درجة مئوية.
- كان عمق الرمال من 10 إلى 50 سم.
النتائج:
- أظهر الروبوت قدرة على التكيف مع مجموعة متنوعة من التضاريس.
- كانت استراتيجيات التحكم المختلفة فعالة في ظروف مختلفة.
- أظهرت أهمية وجود استراتيجية تحكم تحسسي.
- أظهرت الحاجة إلى استقلالية على مستوى النظام.
## هل لديك أي أسئلة أخرى؟
يسعدني الإجابة على أي أسئلة أخرى لديك حول EELS أو أي موضوع آخر.
ملخص أداء المهمة وتخطيط الحركة
في نظام تخطيط المهام والحركة، أظهرنا كيف أن التفكير في عدم اليقين والمخاطر والتخطيط الواضح لإجراءات الحصول على المعلومات يسمح بالعمل في ظل وجود إخفاقات خارجية. في الشكل 7، يمكننا أن نرى تمثيلاً لخطة في الفضاء الاعتقادي في بيئة محاكاة ثنائية الأبعاد. تم تكليف المخطط بالوصول إلى الهدف من نقطة البداية ويقوم بإنشاء سلسلة من مدخلات التحكم، ممزوجة بإجراءات المسح، مع مراعاة نمو عدم اليقين (ممثل في الشكل كدوائر مظللة). في اختبارات نظام الأجهزة، قمنا بمقارنة سلوك الحلقة المفتوحة، حيث يتحرك الروبوت دون ردود فعل خارجية (لا يتم تنفيذ مهام المسح، ولا يتم تشغيل SLAM)، مقابل المخطط المقترح المدرك للمخاطر ولاحظنا أن مهام التخطيط بالاشتراك مع تؤدي حركة الروبوت إلى سلوك أكثر أمانًا إلى حد كبير مع عدم الانخراط في سلوك محافظ بشكل مفرط. يسلط الشكل 8 الضوء على الفرق بين سلوك الحلقة المفتوحة والمهمة المدركة للمخاطر ومخطط الحركة. نحن نفترض أن التوطين الخارجي للروبوت لا يعمل بالقرب من الأرض وأنه يمكن تنفيذ إجراء جمع المعلومات عن طريق إعادة تكوين موضع المستشعر. بالنسبة للروبوت EELS، تتكون سلوكيات البحث عن المعلومات من رفع رأس الروبوت والبحث عن الميزات. يمكننا أن نرى كيف تنتهك سياسة الحلقة المفتوحة قيود السلامة، في حين تصل سياسة الوعي بالمخاطر إلى الهدف من خلال العمل في حلقة مفتوحة ولكن مع اكتساب معلومات جديدة وإعادة التخطيط عندما تتزايد حالة عدم اليقين في الدولة بشكل كبير. في هذه الإعدادات المعملية، تمكن مخطط المهام والحركة من العثور باستمرار على خطة خلال 10 ثوانٍ من استدعائها على محطة أساسية (Intel i7 NUC بسرعة 2.65 جيجاهرتز، وذاكرة 32 جيجابايت). تعد مشكلة تخطيط المهمة والحركة هذه مجموعة فرعية من مشكلة تخطيط المهمة الكاملة التي تحتاج إلى حل للعمل على سطح إنسيلادوس لأن مساحة العمل التي أخذناها في الاعتبار تقتصر على إجراءات الحركة وجمع المعلومات. ستتضمن مشكلة التخطيط للمهمة الكاملة مهام مثل جمع العلوم، والاتصالات، وسلوكيات التعافي من الفشل الأخرى.
الشكل 7. مهمة إدراك المخاطر ومخطط الحركة بناءً على صياغة MILP.
تصور خطة الفضاء الاعتقاد. يتم تكليف الوكيل بالوصول إلى الهدف (النقطة الخضراء) من نقطة البداية (النقطة الزرقاء) ويخطط لمسار تمثله الدوائر المتحركة مع تدرج لوني يمثل الوقت. يمثل قطر كل دائرة من المسار حالة عدم اليقين المتوقعة، والنقاط في الفضاء ذات المثلثات السوداء هي المكان الذي حدد فيه الوكيل نشاط البحث عن المعلومات.
الشكل 7: مهمة إدراك المخاطر ومخطط الحركة بناءً على صياغة MILP
يُظهر الشكل 7 تصورًا لخطة الفضاء الاعتقاد لروبوت EELS.
الهدف:
- الوصول إلى الهدف (النقطة الخضراء) من نقطة البداية (النقطة الزرقاء).
- تخطيط مسار تمثله الدوائر المتحركة مع تدرج لوني يمثل الوقت.
خصائص المسار:
- يمثل قطر كل دائرة من المسار حالة عدم اليقين المتوقعة.
- النقاط في الفضاء ذات المثلثات السوداء هي المكان الذي حدد فيه الوكيل نشاط البحث عن المعلومات.
مميزات مخطط الحركة:
- يُدمج بين تخطيط المهام والحركة.
- يُراعي عدم اليقين في البيئة.
- يُخطط لمسار آمن وفعال.
مراحل تخطيط الحركة:
- تحديد الأهداف والقيود.
- نمذجة البيئة.
- تقدير حالة النظام.
- حساب مسار الحركة.
- تنفيذ مسار الحركة.
الخلاصة:
يُعد مخطط الحركة المُقدم في الشكل 7 أداة قوية لروبوت EELS للتنقل في البيئات غير المؤكدة.
يُمكن للمخطط أن يُساعد الروبوت على الوصول إلى أهدافه بأمان وفعالية.
الشكل 8. أداء نظام تخطيط المهمة.
مقارنة المهام المدركة للمخاطر ومخطط الحركة بسلوك الحلقة المفتوحة. يوضح الشكل عمليات تشغيل الأجهزة المتعددة الموضوعة فوق بعضها البعض. تمت إزالة الخلفية، وتم استبدال العوائق بأشكال هندسية حمراء، وتم تحديد وضعيات البداية والهدف بدبابيس، وتم تمثيل مسارات الروبوت كخطوط متقطعة. تم تحديد المسارات التي أدت إلى الاصطدام باللون الأحمر، في حين تم تحديد المسارات الناجحة باللون الأخضر. (أ) كيف يؤدي سلوك الحلقة المفتوحة في ظل نمو حالة عدم اليقين إلى فشل العديد من الخطط في التنفيذ. (ب) كيف يحقق مخطط MILP المدرك للمخاطر هدفه بأمان من خلال جدولة إجراءات اكتساب المعلومات على طول المسار.
الشكل 8: أداء نظام تخطيط المهمة
يُقارن الشكل 8 أداء مخطط المهمة المدرك للمخاطر مع سلوك الحلقة المفتوحة.
الهدف:
- تحديد كيف يؤدي عدم اليقين إلى فشل سلوك الحلقة المفتوحة.
- إظهار كيف يحقق مخطط MILP المدرك للمخاطر هدفه بأمان.
خصائص الشكل:
- يُظهر عمليات تشغيل الأجهزة المتعددة الموضوعة فوق بعضها البعض.
- تم إزالة الخلفية، وتم استبدال العوائق بأشكال هندسية حمراء.
- تم تحديد وضعيات البداية والهدف بدبابيس.
- تم تمثيل مسارات الروبوت كخطوط متقطعة.
- تم تحديد المسارات التي أدت إلى الاصطدام باللون الأحمر، في حين تم تحديد المسارات الناجحة باللون الأخضر.
مقارنة الأداء:
أ) سلوك الحلقة المفتوحة:
- يؤدي نمو حالة عدم اليقين إلى فشل العديد من الخطط في التنفيذ.
- لا يُمكن للروبوت التنبؤ بالعوائق بشكل دقيق.
- يصطدم الروبوت بالعوائق في العديد من الحالات.
ب) مخطط MILP المدرك للمخاطر:
- يحقق هدفه بأمان من خلال جدولة إجراءات اكتساب المعلومات على طول المسار.
- يُمكن للروبوت التنبؤ بالعوائق بشكل أكثر دقة.
- يُعدل الروبوت مساره لتجنب العوائق.
الخلاصة:
يُظهر الشكل 8 أن مخطط المهمة المدرك للمخاطر هو أداة أكثر أمانًا وفعالية من سلوك الحلقة المفتوحة.
يُمكن للمخطط أن يُساعد الروبوت على الوصول إلى أهدافه دون الاصطدام بالعوائق.
مناقشة
لقد حدد هذا العمل رؤية مشروع EELS والأسئلة العلمية التي صمم للإجابة عليها. إلى جانب ذلك، قمنا بوصف قدرات الاستقلالية على مستوى النظام اللازمة لتمكين مهمة الوصول إلى سطح القمر تحت الجليدي في الموقع وقمنا بتطوير بنية الأجهزة والبرامج التي تهدف إلى تلبية هذه المتطلبات. تم نشر النظام الذي قمنا بتطويره ميدانيًا في البيئات ذات الصلة، حيث أظهر فعالية ومتانة مزيج من أتباع القائد والمشية القائمة على الشكل وفوائد فصل طبقات التحكم التحسسية والاستقبال الخارجي في وجود إخفاقات الاستقبال الخارجي. علاوة على ذلك، قدمنا النتائج الأولية لنظام تخطيط المهام والحركة الذي تم إنشاؤه لمساعدة النظام في تحقيق التوازن بين إجراءات الحصول على المعلومات واختيار المسار.
محددات
على الرغم من أن الروبوت كان قادرًا على اجتياز السطح فوق الثلج والجليد، إلا أن تحدي الاستقلالية/التحكم المتمثل في مطابقة اختيار المشية مع ظروف التضاريس وتنفيذ المسار المطلوب يتطلب المزيد من العمل. بالإضافة إلى ذلك، تظل الحركة تحت السطح والانتقال بين السطح وتحت السطح مجالات بحث مفتوحة، وهناك حاجة إلى مزيد من العمل لدمج المكونات السطحية وتحت السطحية في نظام آلي واحد قادر على تنفيذ مهمة كاملة بأمان من مركبة الهبوط إلى المحيط تحت الجليدي.
الدروس المستفادة من اختبار الحركة السطحية
إن تقنية الحركة، مثل EELS، التي تم اختبارها في مجموعة واسعة من التضاريس، لا بد أن تؤدي إلى دروس قيمة مستفادة حول افتراضات الحركة منخفضة المستوى تتراوح من الطريقة التي ينبغي بها إجراء تقدير الاتصال إلى ما يجعل استراتيجية الامتثال فعالة. كما تم أيضًا تحدي الافتراضات حول الطريقة التي تتفاعل بها الأشكال الهندسية اللولبية المختلفة مع التضاريس المختلفة، وأدت إلى اكتشافات ثاقبة. ويمكن الاطلاع على مزيد من التفاصيل في (١٤). يركز هذا العمل على الدروس ذات الصلة بمشكلة الاستقلالية على مستوى النظام. لقد أدت حالات فشل الاستقبال الخارجي وتأثير أداء SLAM المتدهور على القدرة على تتبع مسار الحلقة المغلقة إلى توجيه صياغة مشكلة مخطط المهمة والحركة. تشير إمكانية التعثر في المواد غير المجمعة وإمكانية التعافي من ظروف فشل التنقل هذه عن طريق تغيير استراتيجية التنقل إلى الحاجة إلى منسق على مستوى النظام قادر على تحديد كيفية التعافي من فشل التنقل. وقد لوحظ هذا أيضًا في جهود البحث والتطوير الروبوتية السابقة للاستكشاف تحت الأرض، وتحديدًا في التحدي الجوفي لوكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) (37). أحد الدروس المستفادة على مستوى المشروع هو أن تطوير ميزات الحكم الذاتي عالية المستوى للروبوتات الميدانية على اتصال وثيق مع المشاكل ذات المستوى الأدنى يؤدي إلى فهم أكبر لاحتياجات المهمة الحقيقية وبالتالي يؤثر بشكل إيجابي على تطوير القدرات. بالإضافة إلى ذلك، غالبًا ما تخضع المشاريع البحثية سريعة الخطى لمتطلبات نظام وبرمجيات مختلفة، وبالتالي فإن التعرف بشكل وثيق على احتياجات المشروع المتطورة هو طريقة أخرى لتحسين أهمية الاستقلالية عالية المستوى وتحسين فرص نشر ميزات الاستقلالية في وقت أقرب. وهذه حجة لصالح اعتماد عملية بحث استقرائية في المقام الأول، حيث يتم استخدام الخبرة من هذا المجال لتضييق نطاق المشاكل التي يتم العمل عليها ومن ثم تعميمها على البنى والأطر.
الدروس المستفادة من اختبار تخطيط المهمة والحركة
من منظور تصميم خوارزمية الاستقلالية على مستوى النظام، هناك مفاضلة جوهرية بين قابلية التوسع ودقة النموذج وجودة الحل. إن الطريقة الأكثر دقة لصياغة عمليات صنع القرار المتسلسلة في ظل معلومات الحالة غير الكاملة هي عملية اتخاذ قرار ماركوف التي يمكن ملاحظتها جزئيًا (POMDP)، والتي تعاني من مشكلات شديدة في قابلية التوسع - خاصة في العمل المستمر أو مساحات الحالة. يمكن حل مشكلات POMDP باستخدام طرق تقريبية تقدم حلولًا دون المستوى الأمثل ونقص الضمانات، وهي ضرورية لمهام الطيران شديدة التعقيد والحساسة للسلامة. على الجانب الآخر من التجارة، يمكن أن يكون المخططون البسيطون بشكل مفرط مفيدًا في ظل ظروف معينة ويسهل دراستهم والتحقق منها، لكنهم في معظم الحالات، لا يحققون القدرة على الاستقلال الذاتي التي من شأنها تمكين تنفيذ مهمة الوصول إلى تحت الجليدي بنجاح. علاوة على ذلك، يعد إيجاد التوازن بين دقة النموذج والأداء وضمانات الحل أمرًا أساسيًا في المهام المستقلة التي تستهدف التضاريس القاسية وغير المؤكدة. إن مخطط المهام والحركة المصمم للتنقل السطحي في ظل فشل الاستقبال الخارجي يحقق هذا التوازن.
على الرغم من أن روبوت EELS يتحرك بسرعة تصل إلى سنتيمترات في الثانية، إلا أن أوقات الاستجابة السريعة في طبقة التحكم مطلوبة أثناء التنقل الرأسي وأثناء التنقل السطحي بسبب الانزلاقات المحتملة أو الأحداث الديناميكية الأخرى. يمكن أن تتم المهمة الإستراتيجية وتخطيط المسار بمعدل أقل بكثير دون زيادة المخاطر على المهمة. لقد أتاح التنظيم الهرمي لبنية برمجيات EELS التفكير وردود الفعل على فترات زمنية مختلفة. يعد هذا قرارًا تصميميًا حاسمًا يجعل مشكلة قابلة للحل وقابلة للحل والتي قد تكون معقدة للغاية بحيث لا يمكن صياغتها وحلها. تم تصميم طبقة التحكم للتكرار مئات المرات في الثانية، في حين تم استدعاء مخطط المهام والحركة كل 1 إلى 10 ثوانٍ. الجانب الآخر الذي يستحق النظر فيه هو رد الفعل على فشل القدرة. هذه هي عمليات التكيف على مستوى النظام التي غالبًا ما تكون حساسة للوقت ويجب أن تحدث مع زمن وصول يصل إلى ثانية واحدة. ويتطلب هذا اتباع نهج للتخطيط رفيع المستوى يدمج بين المداولات ورد الفعل على الإخفاقات. من عيوب البنى الهرمية أن نماذج النظام على مستويات مختلفة قد تتفاعل مع بعضها البعض بشكل غير متوقع إذا لم يتم تصميمها بعناية. أحد الأمثلة التي ظهرت في صياغة مكون تخطيط المهمة والحركة هو معالجة القيود غير الشاملة. لقد اخترنا إهمال هذه القيود في أعلى طبقات التفكير، ولكن كان لدينا ما يبرر القيام بذلك فقط في ظل ظروف حيث يقوم المخطط رفيع المستوى بالاستدلال على نطاقات مكانية أكبر بكثير من النطاق الذي تكون فيه هذه القيود مهمة. على سبيل المثال، إذا كانت القيود غير الشاملة لها تأثير على مقياس من الأمتار، فيجب على مخطط المهمة والحركة التفكير على مقياس من مئات الأمتار أو الكيلومترات
المواد والأساليب
استراتيجيات الحركة السطحية
يمكن العثور على تفاصيل محددة حول التنفيذ والأساليب والخوارزميات المستخدمة في التنقل السطحي في (14). في هذا القسم، نقدم ملخصًا للطرق المستخدمة للتحقق من أداء أنظمة الحركة. أثبتت الاختبارات الميدانية أنها أفضل طريقة للتحقق من صحة افتراضات التحكم وتقييم خصائص الأداء الحقيقية للنظام. على الرغم من أن عمليات المحاكاة تعد عنصرًا حاسمًا في اختبار تكامل البرامج وتطوير التحكم الأولي، إلا أن الاختبارات الميدانية فقط هي التي يمكنها الكشف عن المجهول غير المعروف، والتحقق من صحة افتراضات النمذجة، والمساعدة في اكتشاف المتطلبات.
في اختباراتنا، استخدمنا مكونات البرامج التالية التي تشكل مكونات التنقل السطحي: مقدرات التحسس والاستقبال الخارجي، ومخطط المسار، والتحكم في الشكل والمسمار، والتحكم على مستوى المفصل. تعرض الروبوت لمجموعة واسعة من التضاريس من خلال ثلاثة مواقع ميدانية منفصلة وإعداد معملي واحد. تم إجراء الاختبارات الميدانية في منشأة Table Mountain التابعة لمختبر الدفع النفاث في كاليفورنيا، بمنحدرات تصل إلى 35 درجة ومزيج من الجليد والثلج المتماسك وخصائص التضاريس الدقيقة. تم إجراء المزيد من اختبارات الثلوج في بيج بير، كاليفورنيا، خلال عاصفة ثلجية اختبرت قدرة المنصة الآلية على التنقل في الثلوج غير المجمعة والعمل في ظل ظروف بيئية قاسية. تم اختبار الرمال، المجمعة وغير المجمعة، في مختبر الدفع النفاث في مارس يارد، كاليفورنيا. تم تحليل نتائج الاختبار الميداني نوعيًا، مع الأخذ في الاعتبار المسافة المقطوعة ومتوسط سرعة الحركة كوسيلة لتحديد قدرة الروبوت على اجتياز مجموعة متنوعة من ميزات التضاريس الدقيقة. تم إجراء المزيد من اختبارات الحركة في بيئة معملية على سطح مستو مصنوع من صفائح جليدية صناعية. تم الحفاظ على البداية والهدف والعقبات متسقة طوال الاختبارات المعملية. تم استخدام خطأ تتبع المسار والمسافة المقطوعة ومتوسط السرعة وعدد التدخلات اليدوية كمقاييس أداء نوعية. يمكن العثور على وصف تفصيلي لنتائج التنقل ومنهجية الاختبار في (14). وعلى الرغم من أن سطح إنسيلادوس قد يكون أقل تماسكًا بكثير من الرمل أو الثلج (38)، فإن البيئات الميدانية التي اختبرناها تمثل خطوة حاسمة نحو إظهار القدرة على الحركة في البيئات التي تندر فيها المعرفة المسبقة، من خلال إظهار المتانة على تضاريس مختلفة.
وحدة تخطيط المهام والحركة
في هذا العمل، نأخذ في الاعتبار المدخلات التالية لنظام تخطيط المهام والحركة: (1) الأهداف المحددة من قبل المشغل في شكل مجموعة من نقاط الطريق السطحية التي يمكن للروبوت زيارتها في التسلسل المحدد؛ (2) خريطة للبيئة ونموذج عدم اليقين الذي يمثل كيفية نمو عدم اليقين أثناء تنقلنا في البيئة؛ و (3) عتبة احتمال انتهاك قيود السلامة (الاصطدام بعائق). على أساس هذه المجموعة من المدخلات ومساحة العمل المتاحة (النقل والمسح)، سيقوم نظام التخطيط لدينا بإنشاء خطة للمهام وتنفيذ تلك الخطة عن طريق إرسال المهام ومراقبة التقدم. هناك طرق عديدة لصياغة مثل هذه المهمة ومشكلة تخطيط الحركة. بشكل عام، يتم تأطير هذا النوع من مشكلة القرار في ظل عدم اليقين على أنه POMDP (39). لقد أتاحت التطورات الأخيرة في خوارزمية البحث في البحث الشجري (40) والتعلم المعزز (41) حل مشكلات كبيرة جدًا. ونظرًا لأهمية ضمانات الحل، فقد اخترنا صياغة هذه المشكلة باستخدام نهج MILP. تم تكييف نموذج البرمجة الرياضية هذا، الشائع الاستخدام في بحوث العمليات (42)، لتخطيط المسار في ظل عدم اليقين (43، 44). وبشكل مختلف عن الأساليب الأخرى، قمنا بدمج تخطيط المهام والحركة في مجال مستمر مع مراعاة المخاطر وعدم اليقين بشكل واضح وإيجاد التوازن الأمثل بين تكلفة التحرك (طول المسار) وتكلفة جمع المعلومات (مسح البيئة). في صياغة MILP الخاصة بنا، قمنا بتصميم القيود التي تمثل الحالة المعتمدة على الفعل وانتشار عدم اليقين، وحدود المخاطر على احتمالية الاصطدام بالعوائق متعددة الأضلاع، وظروف البداية والنهاية، ومجموعة من القيود الداعمة التي تتجنب الحلول/الخطط التي تتجاوز زوايا العوائق . تم حل البرنامج الرياضي الناتج باستخدام حل جوروبي، الذي تم اختياره بسبب أساليبه الاستدلالية الفعالة في حل MILP. كانت أوقات حل المشكلات ذات 50 خطوة زمنية تقريبًا وثلاث عوائق في حدود 10 ثوانٍ من وقت الحوسبة على وحدة معالجة مركزية من فئة جيجاهيرتز ذات 12 نواة.
لقد اختبرنا مخطط MILP في بيئة محاكاة ذات 2.5 بعد للحصول على رؤية كمية، وقارنناه بصيغة POMDP الحديثة التي تم حلها من خلال بحث شجرة مونت كارلو ونهج من مرحلتين يفصل المهمة عن تخطيط الحركة (انظر الشكل .7 للحصول على مثال لسيناريو محاكاة)، ثم نشره على أجهزة في بيئة معملية فوق مادة محاكاة للجليد (صفائح جليدية صناعية). لقد أجرينا اختبارات متعددة مع مواضع بداية وهدف متسقة ولاحظنا مسارات ومعدلات نجاح من الناحية النوعية، أي ما إذا كان الروبوت قد حقق موضع الهدف. تم اختبار ثلاث خرائط مختلفة في المحاكاة، ولكل منها عدد مختلف من العوائق. تم وضع البداية والهدف على مسافة 14 مترًا من بعضهما البعض. تحتوي الخرائط، على التوالي، على عائق واحد مستطيل الشكل، وعائقين مرتبين على شكل حرف L، وثلاث عوائق مستطيلة مرتبة في نمط غير منتظم يشكل ممرات ضيقة.
تم إجراء التجارب المعملية لمخطط المهام والحركة باستخدام مواقع البداية والهدف الثابتة. تم تحديد موقع الهدف بطول جسم واحد تقريبًا أمام موضع البداية للوحدة الرئيسية بسبب قيود مساحة المختبر. تم وضع عائق اصطناعي واحد بين هدف البداية والنهاية، وحددت جدران المبنى ومحطة العمليات مساحة عمل الروبوت، مما أدى إلى توجيه المسارات المتاحة. انظر الشكل 8 للحصول على لمحة عامة عن بيئة المختبر.
يستعد مشروع EELS للتركيز بعد ذلك على تخطيط المهمة وتنفيذها من أجل التنقل العمودي. ويجري أيضًا تطوير المزيد من التكرارات لتقدير المخاطر واكتشاف الفشل والعزل والتعافي وسيتم دمجها مع طبقة تخطيط المهمة. يجب القيام بالمزيد من العمل لتحقيق تخطيط متعدد النطاق وعالي المستوى قادر على ربط ردود الفعل على حالات الفشل مع المهمة التداولية وتخطيط الحركة. تشمل الأهداف طويلة المدى توحيد السطح مع التنقل تحت السطح في مهمة واحدة عالية المستوى وصياغة تخطيط الحركة وإظهار العمليات المستقلة بالكامل في مهمة وهمية واقعية.
شكر وتقدير
التمويل: تم إجراء البحث في مختبر الدفع النفاث، معهد كاليفورنيا للتكنولوجيا، بموجب عقد مع الإدارة الوطنية للملاحة الجوية والفضاء (80NM0018D0004).
مساهمات المؤلف: يُعزى نجاح مشروع EELS إلى الجهد التعاوني بين الفرق المختلفة.
ملخص البحث حول EELS
الهدف:
- تطوير روبوت مستقل للوصول إلى سطح القمر تحت الجليدي.
- التغلب على تحديات التنقل في بيئة غير مؤكدة.
النهج:
- دمج تخطيط المهام والحركة.
- استخدام نهج MILP لضمان سلامة التنقل.
- تصميم بنية برمجية هرمية لتمكين الاستقلالية على مستوى النظام.
النتائج:
- أظهر الروبوت قدرة على التنقل في مجموعة متنوعة من التضاريس، بما في ذلك الثلج والجليد والرمال.
- حقق مخطط MILP التوازن الأمثل بين تكلفة التحرك وتكلفة جمع المعلومات.
- أثبتت بنية البرمجية الهرمية فعاليتها في التعامل مع فشل الاستقبال الخارجي.
الخطوات التالية:
- التركيز على تخطيط المهمة وتنفيذها للتنقل العمودي.
- تطوير المزيد من التكرارات لتقدير المخاطر واكتشاف الفشل والعزل والتعافي.
- تحقيق تخطيط متعدد النطاق وعالي المستوى.
- توحيد السطح مع التنقل تحت السطح في مهمة واحدة عالية المستوى.
التمويل:
- تم تمويل المشروع من قبل الإدارة الوطنية للملاحة الجوية والفضاء (NASA).
مساهمات المؤلفين:
- نجح المشروع بفضل التعاون بين مختلف الفرق.
نقاط القوة:
- نهج شامل للتنقل في بيئة غير مؤكدة.
- تركيز على الاستقلالية على مستوى النظام.
- اختبارات ميدانية شاملة.
نقاط الضعف:
- لا يزال هناك المزيد من العمل لدمج التنقل السطحي وتحت السطح.
- قد تكون أوقات حل MILP طويلة في بعض الحالات.
الخلاصة:
- يقدم مشروع EELS نهجًا واعدًا للتنقل في البيئات غير المؤكدة، مثل سطح القمر تحت الجليدي.
- تم تحقيق تقدم كبير، لكن لا تزال هناك بعض التحديات التي يجب معالجتها قبل أن يتمكن الروبوت من إكمال مهمته بنجاح.
ملاحظات
- هذا الملخص ليس شاملاً، ويُنصح بقراءة البحث الأصلي للحصول على مزيد من التفاصيل.
- تم استخدام بعض المصطلحات التقنية في الملخص، وقد لا تكون مألوفة لجميع القراء.
- تم بذل قصارى جهدي لجعل الملخص دقيقًا وسهل الفهم.
الهدف: تقديم قائمة المراجع والملاحظات مترجمة إلى اللغة العربية للمشروع EELS، بحيث يسهل فهمها.
قائمة المراجع:
C. J. Hansen وآخرون، "عمود بخار الماء في إنسيلادوس"، مجلة Science، المجلد 311، الصفحات 1422-1425 (2006).
L. Iess وآخرون، "مجال الجاذبية والبنية الداخلية لإنسيلادوس"، مجلة Science، المجلد 344، الصفحات 78-80 (2014).
C. C. Porco وآخرون، "كاسيني تراقب القطب الجنوبي النشط لإنسيلادوس"، مجلة Science، المجلد 311، الصفحات 1393-1401 (2006).
P. C. Thomas وآخرون، "تذبذب القياس الفعلي لإنسيلادوس يتطلب محيطًا داخليًا تحت السطح على مستوى العالم"، مجلة Icarus، المجلد 264، الصفحات 37-47 (2016).
W. B. McKinnon، "تأثير دوران إنسيلادوس المتزامن السريع على تفسير جاذبية كاسيني"، رسائل البحوث الجيوفيزيائية، المجلد 42، الصفحات 2137-2143 (2015).
F. Postberg وآخرون، "أملاح صوديوم في حبيبات حلقة E الجليدية من محيط تحت سطح إنسيلادوس"، مجلة Nature، المجلد 459، الصفحات 1098-1101 (2009).
J. H. Waite وآخرون، "كاسيني يجد الهيدروجين الجزيئي في عمود إنسيلادوس: دليل على العمليات الحرارية المائية"، مجلة Science، المجلد 356، الصفحات 155-159 (2017).
M. Chodas وآخرون، "دراسة تبادل هندسة مهمة مستكشف فتحة إنسيلادوس"، في أعمال مؤتمر الفضاء IEEE (IEEE، 2023)، الصفحات 1-16.
J. M. Weber وآخرون، "نموذج عام لمركبة الفضاء مستكشف فتحة إنسيلادوس وحالة لاستكشاف الفتحة"، ورقة مقدمة في مؤتمر علوم القمر والكواكب 54، Woodlands، تكساس، 13 إلى 17 مارس 2023.
...
(استُعيض عن بقية قائمة المراجع لنقصر طول النص)
ملاحظات على قائمة المراجع:
تبدو قائمة المراجع شاملة للغاية، وتحتوي على مصادر ذات صلة حول مشروع EELS والموضوعات ذات الصلة.
تشمل بعض الملاحظات الرئيسية ما يلي:
مشروع EELS: تشرح المراجع [14، 19] مشروع Exobiology Extant Life Surveyor (EELS) بالتفصيل، بما في ذلك أهدافه التصميمية ووظائفه.
استكشاف إنسيلادوس: تناقش المراجع [2، 3، 6، 7] قمر إنسيلادوس وخصائصه، بما في ذلك عموده من بخار الماء ومحيطه المحتمل تحت السطح، مما يجعله هدفًا للاستكشاف البيولوجي الفلكي.
روبوتات الثعابين: تقدم المراجع [22، 23، 24] معلومات عن روبوتات الثعابين، ومبادئ تصميمها، وطرق التحكم، ذات الصلة بتصميم روبوت EELS.
الأنظمة المستقلة: تستكشف المراجع [20، 31، 32] مفهوم الاستقلالية في robotic systems، وهو أمر ضروري لكي يعمل EELS بشكل فعال على إنسيلادوس.
تخطيط المهام وحل القرار: تعالج المراجع [34، 35، 36] تخطيط المهام وحل القرار للروبوتات في بيئات معقدة، وهو أمر ضروري لتنقل EELS وإكمال أهداف مهمته.
ملاحظات على قائمة المراجع (تابع):
- التخطيط متعدد النطاق: تشير المراجع إلى أهمية التخطيط متعدد النطاق، الذي يجمع بين التخطيط على المستوى العالي (مثل اختيار مسار التنقل) والتخطيط على المستوى المنخفض (مثل التحكم في حركة الروبوت).
- التوحيد: تُظهر المراجع أهمية توحيد التخطيط على السطح وتحت السطح في مهمة واحدة عالية المستوى.
ملاحظات إضافية:
- تتضمن بعض المراجع تفاصيل تقنية قد لا تكون مألوفة لجميع القراء.
- قد يكون من المفيد للقارئ مراجعة بعض المراجع الأساسية لفهم مشروع EELS بشكل أفضل، مثل [14، 19، 20، 34].
الخلاصة:
- توفر قائمة المراجع نظرة شاملة على مشروع EELS، والتحديات التي يواجهها، والنهج الذي يتخذه لمواجهة هذه التحديات.
- تُظهر المراجع أن مشروع EELS هو مشروع بحثي طموح وله إمكانيات كبيرة لتغيير فهمنا للحياة في الكون.
ملاحظة: تم بذل قصارى جهد لترجمة قائمة المراجع والملاحظات بدقة ووضوح.
تعليقات
إرسال تعليق