تواجه الروبوتات الجوية المستقلة تحديات كبيرة عند العمل في بيئات تفتقر إلى نظام تحديد المواقع العالمي (GPS) أو تعاني من تدهور في الاتصال، حيث تفقد هذه الأنظمة غالبًا الوصول إلى بيانات الكاميرا وبيانات التوصيل، مما يؤدي إلى صعوبة في إدراك المقياس المطلق للمشاهد. ولعل الاعتماد المتزايد على نماذج اللغات الكبيرة (LLMs) ونماذج الرؤية اللغوية (VLMs) كعوامل عالية المستوى للأنظمة المدمجة يجعل من الضروري لها أن تستطيع التعامل مع الأبعاد الفيزيائية بشكل آمن.

ومع ذلك، فقد أظهرت تجاربنا أن خمسة من أفضل نماذج VLMs تعاني من "هلوسة المقياس المكاني"، حيث تتجاوز أخطاء تقدير المساحة الوسيطة 50%.

في هذا السياق، نقدم لكم VehAnchor، أداة خفيفة الوزن وقابلة للاستدعاء، تهدف إلى استعادة المسافة الأرضية (GSD) من نقاط مرجعية منتشرة في البيئة: مثل المركبات الصغيرة التي يتم اكتشافها عبر صناديق محيطة موجهة. يتم تقدير الطول البكسلي النموذجي لهذه المركبات بدقة عبر تقدير كثافة النواة، ويتم تحويلها إلى GSD باستخدام طول مرجعي تم معايرته مسبقًا.

تقوم الأداة بإرجاع تقدير GSD بالإضافة إلى درجة ثقة مركبة، مما يمكّن الوكيل الذي يستدعيها من أن يقرر بشكل مستقل ما إذا كان يجب الوثوق بالقياس أو التراجع إلى استراتيجيات بديلة.

وفي الاختبارات على معيار DOTA v1.5، حقق VehAnchor نسبة خطأ متوسطة قدرها 6.87% على 306 صورة. وعندما تم دمجه مع تقسيم يعتمد على نموذج SAM لقياس المناطق اللاحقة، سجلت سلسلة العمل نسبة خطأ متوسطة تصل إلى 19.7% على معيار يحتوي على 100 إدخال، مع انخفاض Dependence على الفئات بمقدار 2.6 مرة وأخطاء كارثية أقل بمقدار 4 مرات مقارنة بأفضل نماذج VLM، مما يبرز أهمية تزويد الوكلاء بالأدوات الهندسية الحتمية لضمان التفكير المكاني الآمن المستقل.