פרופ' ואדים אינדלמן, חבר בתוכנית למערכות אוטונומיות בטכניון על רובוטים אוטונומיים

דיון עם ד"ר ואדים אינדלמן, מאת אלכסנדר טבצ'ניק. ד”ר ואדים אינדלמן הוא פרופסור משנה בפקולטה להנדסת אווירונאוטיקה וחלל בטכניון וחבר בתוכנית למערכות אוטונומיות של הטכניון - TASP. מחקרו של ד”ר אינדלמן מתרכז במערכות אוטונומיות, במיוחד כאלו הפועלות בסביבה לא ודאית, ידועה חלקית בלבד או בסביבה דינמית. הוא חוקר היתוך מידע במערכות מבוזרות מרובות חיישנים, ניווט ומיפוי מבוסס ראייה ממוחשבת, ותכנון תנועה וקבלת החלטות תחת אי ודאות תוך דגש על פיתוח גישות יעילות חישובית לפעולה אוטונומית אמינה ומדויקת.

בשני העשורים האחרונים אנו עדים להתפתחות מואצת של כלים בלתי מאוישים. לדוגמה, כלי טייס בלתי מאוישים, כלי שייט בלתי מאוישים, כלי רכב יבשתיים בלתי מאוישים ורובוטים המיועדים למטרות נוספות. מערכות חישה אקטיביות, פסיביות ויכולת ניווט אוטונומי מהווים את אחד המרכיבים המרכזיים בהתפתחות כלים רובוטיים אלו. מה הן שיטות הניווט העיקריות ומה הן המגבלות שלהן?

ניווט אוטונומי וניווט בכלל מסתמך על הסנסורים שנמצאים בפלטפורמה. סנסורים אלו יכולים להיות קלאסיים, לדוגמה מדידי ניווט אינרציאליים, דוגמת גירוסקופים ומדי תאוצה. ישנם גם סנסורים מודרניים יותר, כגון GPS ומצלמות מסוגים שונים. סנסורים מהסוג האחרון מאפשרים למערכת לדעת, היכן היא נמצאת ביחס למפה או ביחס לאובייקטים אחרים שנמצאים בסביבה בקרבתה. השיטה הבסיסית ביותר לניווט היא ניווט אינרציאלי, או במקרה היותר כללי - Dead reckoning. בשיטה זאת מערכת ניווט שמותקנת בפלטפורמה דוגמת רובוט, מחשבת את תזוזתה על סמך מדידה או שיערוך תזוזה יחסית, ומאפשרת לפלטפורמה לדעת היכן היא נמצאת בכל רגע נתון. שיטה זאת מתאפיינת בסחיפה עם הזמן, כלומר, במשך הזמן מתפתחות שגיאות. ככל שעובר יותר זמן, מתפתחת שגיאה ניכרת יותר. ישנן מערכות, כמו GPS שמספקות לפלטפורמה מידע אבסולוטי, עדכני לאורך זמן ובאופן כללי מאפשרות למנוע סחיפה.

למרות שקיימות מערכות רבות המשתמשות בשיטות הניווט שהוזכרו לעיל, הן לא תמיד מתאימות לתרחישים שבהם מערכות אוטונומיות עכשוויות נדרשות לפעול. למשל, במקרים רבים מערכת ה-GPS אינה זמינה או אינה אמינה, כמו בתוך בניינים, מתחת למים, בחלל ועל כוכבי לכת אחרים. גם בסביבה עירונית אות ה-GPS אינו אמין עקב אפקטים שונים. יתרה מכך, במקרים רבים הדיוק של מערכת ה-GPS אינו מספק. למשל, מכונית אוטונומית נדרשת, בין השאר, לשמור על נתיב במהלך תנועתה ולשם כך דרוש לה דיוק רב יותר מזה של מערכת GPS. סוגיה נוספת היא פעולה אוטונומית בסביבה דינאמית המשתנה עם הזמן. לדוגמה, במקרה של רובוט הנדרש לפעול בקרבת אנשים, לא מספיק רק לדעת היכן נמצאת הפלטפורמה באופן אבסולוטי, אלא חשוב לדעת גם היכן היא נמצאת ביחס לאובייקטים בסצנה דינאמית. במילים אחרות, יש צורך לדעת איך האובייקטים הדינאמיים זזים לאורך הזמן. יוצא אפוא שבעיות מסוג זה לא ניתן לפתור רק באמצעות סנסורים דוגמת GPS ומדידים אינרציאליים.

כיצד פותרים בעיות אלו? מה הן המגמות העיקריות כיום בתחום ניווט אוטונומי וחישה אקטיבית? כיצד תשפיע על החברה ההתפתחות של התחום?

בתקופה האחרונה, במיוחד ב-10 שנים האחרונות, הקהילה המדעית עובדת על פיתוח יכולות לשימוש בסנסורים אחרים שמסוגלים להחליף את מערכת ה-GPS. לדוגמה, שימוש במצלמות ומדי טווח מסוגים שונים שמאפשרים לבצע ניווט ומיפוי בו-זמנית. בעזרתם אפשר לבנות מפה כדי להבין היכן נמצאת הפלטפורמה ביחס לאובייקטים אחרים בסביבה בלתי ידועה מראש שעלולה להכיל אובייקטים דינאמיים. בעיות מסוג זה נקראות Simultaneous Localization and Mapping או SLAM. אנו עושים לוקליזציה לפלטפורמה, ובו זמנית ממפים את הסביבה שבה הפלטפורמה נמצאת. כיום קיימות גישות המאפשרות לאבחן אם חלקים מסוימים מהסביבה משתנים דינאמית, למשל אנשים שזזים, ולחשב את תנועת האובייקטים הדינאמיים. באופן עקרוני, המטרה היא להפוך את הפלטפורמה לכמה שיותר אוטונומית עם יכולת לפעול גם ללא GPS בתרחישים שבהם זה אכן נדרש או מוצדק, כמוזכר לעיל.

שיטות מתקדמות יותר מאפשרות לשפר את רמת הביצועים על ידי שיתוף פעולה בין הפלטפורמות הרובוטיות השונות. שיטות אלו מסתמכות בדרך כלל על שיתוף מידע בין הרובוטים דרך ערוצי תקשורת, וניווט ומיפוי על סמך מידע זה. יתרה מזאת, בשנים האחרונות פותחו שיטות להיתוך מידע מבוזר – שיטות שלא מצריכות יחידת חישוב מרכזית אשר מבצעת את כל החישובים, אלא מאפשרות לכל פלטפורמה לבצע את החישובים הנדרשים בצורה עצמאית. היבט נוסף בניווט אוטונומי, אשר נחקר בשנים האחרונות, הוא קבלת החלטות ותכנון במצב של אי-וודאות. הנ"ל נדרש מכל פלטפורמה רובוטית אוטונומית, לא רק לחשב את פתרון הניווט ואת מודל הסביבה שנצפתה עד כה, אלא גם להחליט מה כדאי לעשות בשלב הבא, לאן ללכת, לאיזה כיוון להסתכל וכדומה, על מנת להשיג ביצועים טובים יותר, למשל, לקבל כמה שיותר אינפורמציה. לצורך כך צריכים אלגוריתמי התכנון וחישה אקטיבית להתחשב במקורות שונים של אי-וודאות, כגון אי-וודאות בחישה, בסביבה ובתנועת הרובוט.

לניווט אוטונומי ולחישה אקטיבית ישנה חשיבות פרקטית רבה בתחום הצבאי וגם בתחום האזרחי. למשל, כלי טייס בלתי מאוישים הגיעו לרמת אוטונומיה גבוהה באופן יחסי. הכלים יודעים להגיע מנקודה א' לנקודה ב' ללא מעורבות של בני אדם, אפשר להשיג זאת באמצעות GPS. שיטות ניווט שמפותחות וחישה אקטיבית יאפשרו בקרוב לשפר את רמת האוטונומיה של כלים בלתי מאוישים גם באזורים מורכבים שבהם GPS אינו זמין. לדוגמה, כלי טייס נכנס לבניין וממפה אותו, מעביר מידע לכלים בלתי מאוישים נוספים, שמבצעים משימות אחרות. מערכת כזאת אפשר לנצל בתחום הצבאי, בלוחמה בטרור, בפעילויות הצלה וכדומה. לדוגמה, ביפן השתמשו לאחרונה ברובוטים שמסוגלים להיכנס לבניין ולעבוד בתוכו. הפיתוח נעשה בעקבות רעידת האדמה והתאונה בתחנת הכוח הגרעינית היפנית, שנפגעה מצונאמי .כמו כן, בזמן אחרון יש בעולם מגמה חזקה מאוד לפיתוח רובוטים אוויריים קטנים ומאוד קלים. משתמשים ברובוטים אלו לצרכים ביטחוניים וגם אזרחיים. למשל, חברות מתכננות להשתמש ברובוטים לצורכי אספקת סחורה ללקוחות. ברובוטים אלו חישה אקטיבית וניווט אוטונומי המשמשים לצורך הפעילות.

איך מביאים משלוח מבית אחד לבית שני? גם אם יש מפה, זה דבר לא טריוויאלי לעבור ממקום למקום בסביבה דינאמית, כשאובייקטים שונים נמצאים בתנועה כל הזמן. כלי טייס בלתי מאוישים נדרשים להגיב באופן עצמאי על שינויים בלתי צפויים שמתרחשים בסביבה. מערכות מסוג זה דורשות רמת אוטונומיה מאוד גבוהה. לכן, התפתחות של ניווט אוטונומי תלויה במידה רבה בהתפתחות של בינה מלאכותית - Artificial Intelligence ולמידת מכונה - Machine Learning. אפשר לציין שלאחרונה ישנה התפתחות מאוד משמעותית בתחומים האלה.

באילו תחומים נוספים יכול ניווט אוטונומי להשפיע על החברה באופן משמעותי?

אפשר לציין את תחום הרפואה. לדוגמה, ניתן לבלוע רובוט קטן מאוד שיחקור את מיבנה הריאה. קשה מאוד לעשות את זה באמצעים אחרים, בין השאר, בגלל ההשתנות של התווך לאורך הזמן. כלומר, במקרה הזה ניווט ומיפוי צריכים להיות מדויקים מאוד. דיוק – הוא נושא חשוב ביותר בתחום.

כיצד לשפר דיוקים ולמקסם את רמת הביצועים שלנו? כיצד לפעול כדי שמידע שאנחנו מקבלים יהיה יותר אינפורמטיבי?

תחום נוסף הוא רובוטים אשר עובדים באותה סביבה עם בני האדם, למשל במפעל או בבית. ניווט אוטונומי מהווה מרכיב חיוני במכלולים שונים במערכות רובוטיות אלו. למשל, הנפת יד של רובוט מנקודה לנקודה מבלי להתנגש באובייקט אחר, תזוזה אל נקודה מסוימת מבלי להיתקל בבן אדם. יתרה מזאת, במקרים אלו יש צורך למדל, כחלק מניווט אוטונומי, את האינטראקציה בין הרובוטים לבני האדם. ניווט אוטונומי מהווה, כמובן, מרכיב מרכזי גם בתחום החלל, למשל עגינה אוטונומית אל תחנת החלל הבינלאומית, היכולת לשמור מבנה מדויק בין חלליות או לוויינים ובעיות רבות נוספות.

היכן נמצאת ישראל בתחום ניווט אוטונומי וחישה אקטיבית בהשוואה למדינות אחרות בעולם? היית מספר שנים ב- Georgia Institute of Technology, אם להשוות את התחום בארה"ב עם התחום בישראל. מה הבדל מבחינת תשתיות, שיטות למידה והשקעות בתחום. מה אפשר לשפר בישראל כדי לחזק את התחום?

בהיבט המחקרי התאורטי הטהור, מדענים מישראל תורמים למחקר בצורה משמעותית, ביחס לגודל האוכלוסייה, לתחום הניווט האוטונומי. אולם, יש לזכור כי התפתחות תחום הניווט האוטונומי, בדומה לתחומים נוספים ברובוטיקה, מצריכה גם תשתיות טכנולוגיות מתקדמות, ולימוד מסודר של החומר הרב כחלק מתוכנית הלימודים באוניברסיטה, ואולי אף לפני זה. למשל, במספר אוניברסיטאות בארה"ב קיימים מכוני מחקר המתרכזים ברובוטיקה, ובפרט בניווט אוטונומי וחישה אקטיבית. כך לדוגמה, מרכזי מחקר, מוגדרים כ-Research Institute, קיימים גם ב-Georgia Tech וגם ב-Carnegie Mellon University. כתוצאה מכך, אוניברסיטאות אלו מייצרות עניין ומושכות אליהן מספר רב של מועמדים המעוניינים ללמוד תחומי הרובוטיקה השונים, ובפרט בניווט אוטונומי ולעסוק בהם. בישראל נדרשת השקעת משאבים גדולה יותר בתחום זה, ויתרה מזאת, יש מקום לעדכן ולעבות באופן ניכר את תכניות הלימוד בנושאים הרלוונטיים, ואף לשקול הקמה של מכוני מחקר ייעודיים ותמיכה במעבדות מחקר בנושאי רובוטיקה שונים, ובפרט בנושא ניווט אוטונומי וחישת עולם. לאחרונה משרד המדע החל לקדם באופן משמעותי את נושא הרובוטיקה בישראל ועל כן יש לקוות כי תהליך זה יוביל לחיזוק מעמדה ויכולותיה המחקריות של ישראל בתחום