في عصر التكنولوجيا الحديثة، تتسابق الشركات والباحثون لتقديم حلول مبتكرة في مجال الرؤية الحاسوبية. وفي هذا السياق، يأتي تحدي مدينة الذكاء الاصطناعي 2026 (AI City Challenge 2026) ليكون نقطة انطلاق لمنافسة علمية مثيرة حول إدراك الأبعاد الثلاثية (3D perception) في المستودعات الداخلية الكبيرة. يعتمد التحدي على بيئة تختبر القدرة على معالجة الصورة بالألوان فقط (RGB) دون الاعتماد على البيانات العميقة إلا للتدريب.

تكشف النتائج عن فرضية مهمة: الاتساق الجيومتري (geometric consistency) بين الرؤى المتعددة هو العنصر الرئيسي الذي يؤثر على أداء الأنظمة في ظروف الانتقال من بيئة صناعية إلى واقعية (Sim2Real)، بدلاً من دقة العمق الأحادي.

تم استخدام طريقتين رئيسيتين في التجربة؛ الأولى هي خوارزمية تعتمد على هندسة الصورة أولاً، تتضمن الكشف باستخدام YOLO11x، ورفع الهوموغرافيا إلى إطار عالمية، بالإضافة إلى دمج البيانات من عدة كاميرات لتتبع الأبعاد الثلاثية. بينما الثانية تعتمد على عمق تقديري مشابه لتقنية LiDAR حيث تقوم بدمج العمق الأحادي وتحويله إلى سحابة نقطية لتغذية كاشف ثلاثي الأبعاد (V-DETR).

النتائج كانت مذهلة: إذ حقق النظام القائم على الهندسة درجة 13.0 في HOTA (نسبة التتبع الدقيق)، بينما كان أداء التقنية الثانية 0.12، مما يبرز الهوة الكبيرة بين الأساليب. يعود السبب في هذا الانهيار إلى عدم الاتساق بين الرؤى الأحادية، مما يوضح الحاجة إلى تصحيح المقياس كشرط أساسي ولكن غير كافٍ لتحسين الأداء.

خلال استخدام طريقة الهندسة، كانت المداخلة الوحيدة التي ساعدت هي الخياطة خارج الخط (offline stitching)، بينما لم تكن العديد من التقنيات الأخرى مثل تحسين الظهور والتعزيز في وقت الاختبار فعالة في تحسين النتائج.

هذا التحدي يُظهر أن جودة الكشف تحد من إمكانية طرق الهندسة، وأن الاتساق في تحديد المواقع هو ما يعوق أداء تقنيات العمق التقديري. مع إصدارنا لخطوط أنابيب قادرة على تنفيذ الحلول بالألوان فقط، نستعد للمزيد من الابتكارات المثيرة في هذا المجال.