بيشغو: معمارية شبكة التنبؤ بالمسار الشاملة لأنظمة الحافة السيبرانية-الفيزيائية في الزمن الفعلي

تُعد توقع المسار مهمة أساسية لعدد كبير من تطبيقات الأنظمة المدمجة (CPS) في العالم الحقيقي، بدءًا من القيادة الذاتية ورصد/إدارة الحركة المرورية وصولاً إلى السلامة الخاصة بالمشاة والعمال. تحتاج هذه التطبيقات الواقعية في الأنظمة المدمجة إلى نموذج توقع مسارات قوي وخفيف الوزن، قادر على توفير بنية شبكة عالمية قادرة على التعامل مع عدة كائنات (مثل المشاة والمركبات) من زوايا مختلفة. ومع ذلك، فإن معظم الخوارزميات الحالية مصممة خصيصًا لكي تُطبّق على كائن واحد معين، وبمنظور كاميرا معين وسياق محدد. تقدم هذه الورقة معمول "Pishgu"، وهو معمول خفيف الوزن عالمي، كحلٍّ قوي وشامل لمشكلة توقع المسار. تتيح بنية Pishgu التكيف مع مجالات متعددة لتنبؤ المسار، تشمل كائنات مختلفة (مركبات، مشاة)، ومنظورات متنوعة (منظور الطيور، منظور عالي)، ومشاهد مختلفة (أرصفة، طرق سريعة). تعتمد البنية المقترحة على استخدام شبكات التماثل الرسومي (Graph Isomorphism Networks) ووحدة الانتباه (attention module) لالتقاط الاعتماديات المتبادلة بين الكائنات داخل كل إطار. تم تدريب النموذج بشكل منفصل وتقييم فعاليته على ثلاثة مجالات مختلفة من تطبيقات الأنظمة المدمجة، عبر منظورات متعددة (منظور الطيور للمركبات، منظور الطيور للمشاة، ومنظور عالي للإنسان). أظهر Pishgu تفوقًا على الحلول الرائدة في مجال منظور الطيور للمركبات بنسبة 42% و61% من حيث معياري ADE وFDE على التوالي، كما تفوق على الحلول الرائدة في مجال منظور العين البشرية للمشاة بنسبة 23% و22% من حيث نفس المعيارين. علاوةً على ذلك، قمنا بتحليل التفاصيل المحددة لكل مجال من خلال مجموعة بيانات مختلفة لفهم تأثيرها على توقع المسار وفهم النموذج. وأخيرًا، قمنا بإبلاغ زمن التأخير (latency) والإنتاجية (throughput) في جميع المجالات الثلاثة على منصات مدمجة متعددة، مما يُظهر متانة Pishgu وقدرته على التكيف مع التطبيقات الحقيقية في الأنظمة المدمجة.