This post is also available in:
English (אנגלית)
רובוטים נפרסים יותר ויותר בסביבות שאינן בטוחות או נגישות לבני אדם — החל ממבנים שקרסו ומנהרות תת־קרקעיות ועד אתרים תעשייתיים ואזורי אסון. בהרבה מהסביבות הללו הראות מוגבלת מאוד או אינה קיימת כלל. אף שרובוטים נשענים לרוב על מצלמות וראייה ממוחשבת כדי לנוע, למפות את הסביבה ולזהות עצמים, מרבית מערכות הראייה תוכננו לפעול באור נראה. כאשר האור נעלם, מערכות אלו מתקשות לפעול, ומאלצות מפתחים לתכנן מחדש את מערך החישה או להוסיף חומרה יקרה.
גישה חדשה המבוססת על למידת מכונה מבקשת להסיר את המגבלה הזו. חוקרים מאוניברסיטת מנצ’סטר הדגימו שיטה המאפשרת לרובוטים לפעול ביעילות גם בחשכה מוחלטת, באמצעות שימוש במצלמות אינפרא־אדום בשילוב אלגוריתמים לשחזור תמונה. חיישני אינפרא־אדום מסוגלים לקלוט קרינה מוחזרת גם ללא אור נראה, אך הפלט הגולמי שלהם לרוב אינו מספק את רמת הבהירות הנדרשת לתוכנות ראייה סטנדרטיות. הפתרון של הצוות עושה שימוש בלמידת מכונה כדי להמיר את הדימויים האינפרא־אדומים לתמונות חדות דמויות־מצלמה, שאותן אלגוריתמי הראייה הקיימים כבר יודעים לעבד.
היתרון המרכזי של השיטה הוא התאימות. במקום לשכתב תוכנות ניווט או זיהוי עצמים, המערכת משחזרת את נתוני האינפרא־אדום לפורמט שהאלגוריתמים הנוכחיים יכולים לעבד ללא שינוי. כך מצטמצם העומס החישובי ומתקצר זמן ההטמעה, מה שמקל על התאמת רובוטים למשימות בתנאי ראות ירודים. על פי דיווח של TechXplore, הגישה גם מפחיתה עלויות פיתוח, משום שהיא נשענת על פלטפורמות חומרה ותוכנה שכבר נמצאות בשימוש נרחב.
ליישומי ביטחון וביטחון פנים, המשמעויות ברורות: רובוטים צבאיים וביטחוניים נדרשים לפעול בלילה, מתחת לקרקע או בתוך מבנים שבהם אין תאורה — לעיתים אף במכוון. מערכות היכולות "לראות" ללא אור תומכות במשימות סיור, חיפוש והצלה, מיפוי מנהרות ובדיקות תשתית, תוך צמצום התלות בתאורה חיצונית שעלולה לחשוף את מיקום הרובוט. היכולת לעשות שימוש חוזר בתוכנות ראייה קיימות גם מפשטת את שילוב הטכנולוגיה בפלטפורמות רובוטיות שכבר פועלות.
החוקרים מדגישים כי עבודתם אינה מוגבלת למצלמות אינפרא־אדום בלבד. ניתן להתאים את אותה מסגרת למידת מכונה גם לאמצעי חישה נוספים, כגון הדמיה תרמית או סונאר, ובכך להרחיב את יכולת התפיסה הרובוטית לסביבות המושפעות מעשן, אבק או חסימות ראייה אחרות. הדבר פותח פתח לרובוטים עמידים יותר, המסוגלים לשמור על מודעות מצבית במגוון רחב יותר של תנאים.
אף שהמחקר נמצא עדיין בשלב ניסיוני, הוא מצביע על נתיב מעשי לשיפור יכולות הראייה של רובוטים בסביבות שבהן ראייה קונבנציונלית נכשלת — מבלי לפרק ולהחליף את המערכות שעליהן הרובוטים כבר מסתמכים לצורך ניווט ופעולה.
המחקר פורסם כאן.
