ستساعدك المقالة التالية: أيها الوكلاء ، اجمعوا! تعرّف على AutoNeRF: نهج ذكاء اصطناعي مصمم لاستخدام الوكلاء المستقلين لإنشاء عناصر NeRF للمشهد الضمني
الطائرات بدون طيار والروبوتات. لقد أصبحت شائعة بشكل متزايد في السنوات الأخيرة ، مع التقدم التكنولوجي الذي جعلها أكثر سهولة وقدرة من أي وقت مضى. لدينا الآن مجموعة متنوعة من الخيارات ، من الطائرات بدون طيار المستخدمة في التصوير الفوتوغرافي والمراقبة إلى الروبوتات الأرضية المستخدمة في التصنيع والخدمات اللوجستية. تعمل هذه الآلات على تحويل الصناعات وإحداث ثورة في الطريقة التي نعيش ونعمل بها.
بخلاف كونها ألعابًا ممتعة للعب بها ، فهي في الواقع عنصر حاسم في العديد من المهام. أحد المجالات التي تعتبر فيها هذه الأدوات واعدة بشكل خاص هو مجال الملاحة المستقلة. مع القدرة على استكشاف ورسم خرائط بيئات غير معروفة ، فإن هذه الآلات لديها القدرة على دعم مجموعة واسعة من التطبيقات ، من عمليات البحث والإنقاذ إلى الزراعة الدقيقة وما بعدها.
ومع ذلك ، فإن بناء وكلاء ملاحة فعالين ومستقلين يمثل تحديًا كبيرًا ، لا سيما عندما يتعلق الأمر بالاستكشاف. نحتاج إلى التأكد من قدرتها على العمل في بيئات غير مألوفة قبل أن نتمكن من الاعتماد عليها. يجب أن يكونوا قادرين على استكشاف محيطهم وبناء خرائط دقيقة ، كل ذلك دون تدخل بشري أو إشراف.
يعد استكشاف البيئات غير المرئية تحديًا كبيرًا في بناء وكلاء الملاحة المستقلة. كان هناك الكثير من الأبحاث حول سياسات استكشاف التدريب لزيادة التغطية ، والعثور على أهداف أو أشياء محددة ، ودعم التعلم النشط. كانت طرق التعلم المعيارية فعالة بشكل خاص للمهام المجسدة ، حيث يتعلمون سياسات الاستكشاف التي يمكن أن تبني خرائط دلالية للبيئة للتخطيط والمهام النهائية مثل هدف الكائن أو التنقل بين أهداف الصورة.
بالتوازي مع ذلك ، كان هناك قدر كبير من العمل على تعلم تمثيلات الخرائط الضمنية بناءً على مجالات الإشعاع العصبي (NeRF) ، والتي تقدم تمثيلًا مضغوطًا ومستمرًا للمظهر والدلالات في مشهد ثلاثي الأبعاد. ومع ذلك ، فإن معظم مناهج بناء التمثيلات الضمنية تتطلب بيانات يجمعها الإنسان. لكن هل يمكنك أن تتخيل ما إذا كان بإمكاننا بناء تمثيلات ضمنية دون الاعتماد على البشر؟ يمكننا إرسال طائرات بدون طيار ، وروبوتات ، وما إلى ذلك ، ورسم خريطة للمكان بالكامل بأبعاد ثلاثية. سيكون من المدهش ، أليس كذلك؟
حسنا ، دعونا نتقابل AutoNeRF. إنه يدرب الوكلاء المتجسدين على استكشاف البيئات غير المرئية بكفاءة واستقلالية لجمع البيانات لتوليد NeRFs. AutoNeRF هي سياسة معيارية تم تدريبها باستخدام التعلم المعزز (RL) الذي يمكنه استكشاف مشهد ثلاثي الأبعاد غير مرئي لجمع البيانات لتدريب نموذج NeRF بشكل مستقل.
AutoNeRF تمكن الطائرات بدون طيار والروبوتات المستقلة من جمع البيانات المطلوبة لتدريب التمثيلات العصبية الضمنية للمشهد. يعمل NeRF كتمثيل مستمر ومضغوط للكثافة ومظهر RGB ودلالات المشهد. مع AutoNeRF، يتم تهيئة الروبوت أو الطائرة بدون طيار في بيئة غير معروفة ويتم تكليفه بجمع البيانات في حلقة واحدة ضمن ميزانية زمنية ثابتة. تُستخدم الملاحظات التي تم جمعها من قبل الوكيل خلال هذه الحلقة لتدريب نموذج NeRF ، والذي يتم تقييمه بعد ذلك على مختلف المهام النهائية في مجال الروبوتات ، بما في ذلك رسم الخرائط وعرض العرض الجديد والتخطيط وصقل الوضع.
AutoNeRF مرحلتين أساسيتين: و. خلال هذه المرحلة ، يتم تدريب سياسة الاستكشاف باستخدام المكافآت الجوهرية في مجموعة من بيئات التدريب. تمكن هذه السياسة الروبوت أو الطائرة بدون طيار من التنقل في المشهد أثناء جمع الملاحظات. في هذه المرحلة ، يتم استخدام سياسة الاستكشاف لجمع البيانات في مشاهد الاختبار غير المرئية ، حيث يتم جمع مسار واحد لكل مشهد لتدريب نموذج NeRF. أخيرًا ، يتم تقييم نموذج NeRF المُدرَّب على المهام النهائية المختلفة لاختبار فعاليته في تطبيقات الذكاء الاصطناعي المُجسَّدة.
واحدة من المزايا الرئيسية لـ AutoNeRF هي قدرتها على إنشاء تمثيلات خرائط ضمنية عالية الجودة باستخدام البيانات التي تم جمعها من قبل الوكلاء المستقلين. هذا له آثار مهمة على مجموعة متنوعة من التطبيقات ، بما في ذلك الواقع الافتراضي والروبوتات والقيادة الذاتية.
