باني (PAANI): ذكاء اصطناعي على الحافة لروبوتات مراقبة الأنهار بتكلفة منخفضة
ما هو PAANI؟
قدّم فريق بحثي نظام PAANI، وهو بنية إدراك وتوجيه تعمل بالكامل على جهاز Arduino UNO Q لروبوتات مراقبة الأنهار. يهدف النظام إلى تفسير العوائق وحدود المياه التي لا تستطيع الإحداثيات الجغرافية وصفها، مع تقديم توجيه قابل للتفسير.
البنية التقنية
يجمع PAANI بين:
- كاشف YOLO11n مدرّب على 10,000 صورة من WaterScenes لأربع فئات.
- مقسّم دلالي MobileNetV3 Small مدرّب على 1,127 صورة من MaSTr1325 (منها 198 صورة تحقق).
- دمج أدلة متزامن زمنياً على الجهاز.
- تتبع محدود يوفّر استمرارية الأجسام.
- سياسة ممر صريحة تجمع تسميات السطح والكشوفات المقبولة والإلحاح وعدم يقين القناع.
ترتبط واجهات ROS 2 بخط أنابيب الذكاء الاصطناعي المحلي مع منصة اختبار منفصلة للسفينة والتوطين والتحكم في Gazebo.
الأداء والأرقام
| المقياس | القيمة |
|---|---|
| حجم نماذج ONNX (FP32) | 14.817 ميغابايت |
| دقة الكشف mAP@0.5 | 0.7388 |
| دقة التقسيم mIoU | 0.9750 |
| زمن الاستدلال الوسيط | 467.8 مللي ثانية |
| الشريحة المئوية 95 | 580.3 مللي ثانية |
| معدل التشغيل | 0.5 هرتز |
حالات الاستخدام في المنطقة
قد تكون هذه البنية مفيدة لفرق الشرق الأوسط التي تعمل على مراقبة الأنهار والمسطحات المائية، خاصة في البيئات محدودة الاتصال والطاقة. يمكن استخدامها كأساس لروبوتات الحافة القابلة لإعادة الاستخدام، مع إمكانية دمجها في منصات ROS 2 الحالية.
القيود والتحذيرات
تحدد الدراسة قيوداً مهمة:
- تصنيف خاطئ للمدخلات السوداء.
- عدم تطابق معدل أخذ العينات يمنع مقدّر الحركة الظاهرية التشخيصي من جمع أدلة كافية.
- تمييز واضح بين دقة النموذج والتنفيذ على الجهاز وبين تجنب الاصطدام الفعلي على الماء.
الخلاصة
يمثل PAANI خطوة نحو بنية روبوتات حافة قابلة للتفسير وإعادة الاستخدام، لكن التطبيق العملي في المياه يحتاج إلى تحقق ميداني إضافي.
ملاحظة: هذا المحتوى مُلخّص من ورقة بحثية على arXiv ويخضع لمراجعة بشرية قبل النشر.
أسئلة شائعة
ما هو نظام PAANI؟
PAANI هو بنية إدراك وتوجيه تعمل على الجهاز لروبوتات مراقبة الأنهار، تجمع كاشف YOLO11n ومقسّماً دلالياً MobileNetV3 Small مع دمج أدلة متزامن زمنياً، وتعمل على Arduino UNO Q مع واجهات ROS 2.
كيف يختلف PAANI عن أنظمة الملاحة التقليدية؟
بدلاً من الاعتماد على إحداثيات جغرافية فقط، يفسّر PAANI العوائق وحدود المياه بصرياً، ويقدّم توصيات توجيه قابلة للتفسير تكشف عن الأدلة وأسباب القرار، مع الإشارة إلى موثوقية الأدلة.
ما مدى دقة PAANI وأدائه على الأجهزة المحدودة؟
حقق الكاشف mAP@0.5 بنسبة 0.7388، والمقسّم mIoU بنسبة 0.9750، مع زمن استدلال وسيط 467.8 مللي ثانية عند معدل 0.5 هرتز، وحجم نماذج 14.817 ميغابايت.
هل يمكن لفرق الشرق الأوسط تبني PAANI؟
نعم، البنية مفتوحة وقابلة لإعادة الاستخدام كأساس لروبوتات الحافة، لكن يجب ملاحظة أن الدراسة تفرّق بين دقة النموذج والتنفيذ على الجهاز وبين تجنب الاصطدام الفعلي على الماء، ما يستدعي اختبارات ميدانية إضافية.
المصدر: arXiv cs.AI
ملخص بمساعدة الذكاء الاصطناعي من المصدر أعلاه. القصص عالية الثقة تُنشر تلقائياً، والبقية تنتظر مراجعة، ولا تُضاف وقائع غير موجودة في المصدر.