{"version":"1","article":{"id":"thermal-rgb-wheel-track-detection-winter-robotics-2026","slug":"thermal-rgb-wheel-track-detection-winter-robotics-2026","language":"ar","url":"https://haberpaper.com/ar/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=ar","title":"كاميرتان حرارية ومرئية تحددان آثار العجلات على الطرق الثلجية","summary":"قدم باحثو ميشيغان تك نموذجاً ذاتي الإشراف يجمع صور RGB والأشعة تحت الحمراء لتحديد آثار العجلات القائمة على الطرق المغطاة بالثلوج. وأظهرت اختبارات مجموعة ThermalTrack انخفاض المسارات التي لم يرصدها النموذج مقارنة باستخدام RGB وحده.","category":"business","region":"world","topics":["ai"],"published_at":"2026-10-13T20:11:53+03:00","modified_at":"2026-10-13T20:11:53+03:00","publication_basis":"publication-record","event_period":"2026-10-09","event_period_basis":"event-or-reference-period","sources":[{"name":"arXiv, Tracking the Invisible: Self-Supervised Wheel Track Detection with Thermal-RGB Fusion (arXiv:2610.13872)","url":"https://arxiv.org/abs/2610.13872","checkedAt":"2026-10-13","publishedAt":"2026-10-09"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["تهدف مسودة نشرها باحثو جامعة ميشيغان التكنولوجية على arXiv في 9 أكتوبر إلى تحديد آثار العجلات التي تركتها مركبات سابقة على الطرق الثلجية قليلة التفاصيل المرئية، بدلاً من تمييز مساحة عامة قابلة للقيادة. وتجمع الطريقة صور RGB المرئية مع التصوير الحراري بالأشعة تحت الحمراء طويلة الموجة. وتُنشأ تسميات التدريب تلقائياً بإسقاط مسار العجلات المستقبلي من سجلات GNSS على الصور. وأعد الفريق سلسلة من 951 صورة من مجموعة WADS لظروف الشتاء، ثم زاد عينات التدريب إلى 7,608 بالتحسين الاصطناعي للبيانات.","سجل نموذج دمج RGB والحرارة في جدول نتائج الورقة AUROC قدره 0.8744، مقارنة بـ0.6025 لنموذج RGB وحده؛ وبلغت معدلات النتائج السلبية الكاذبة 0.2399 و0.7927 على الترتيب. ويقول الباحثون إن الإدخال الحراري يساعد في استعادة آثار تفوتها صور RGB في ظروف التباين المنخفض. وتقتصر النتائج على سلسلة واحدة منتقاة لقيادة شتوية ونموذج بحثي؛ ولا تعرض الورقة قيادة مغلقة الحلقة بمركبة حقيقية أو تشغيلاً آمناً في جميع الظروف الجوية. وما زال العمل مسودة لم تخضع لمراجعة الأقران."],"key_points":[],"sections":[]},"text":"قدم باحثو ميشيغان تك نموذجاً ذاتي الإشراف يجمع صور RGB والأشعة تحت الحمراء لتحديد آثار العجلات القائمة على الطرق المغطاة بالثلوج. وأظهرت اختبارات مجموعة ThermalTrack انخفاض المسارات التي لم يرصدها النموذج مقارنة باستخدام RGB وحده.\n\nتهدف مسودة نشرها باحثو جامعة ميشيغان التكنولوجية على arXiv في 9 أكتوبر إلى تحديد آثار العجلات التي تركتها مركبات سابقة على الطرق الثلجية قليلة التفاصيل المرئية، بدلاً من تمييز مساحة عامة قابلة للقيادة. وتجمع الطريقة صور RGB المرئية مع التصوير الحراري بالأشعة تحت الحمراء طويلة الموجة. وتُنشأ تسميات التدريب تلقائياً بإسقاط مسار العجلات المستقبلي من سجلات GNSS على الصور. وأعد الفريق سلسلة من 951 صورة من مجموعة WADS لظروف الشتاء، ثم زاد عينات التدريب إلى 7,608 بالتحسين الاصطناعي للبيانات.\n\nسجل نموذج دمج RGB والحرارة في جدول نتائج الورقة AUROC قدره 0.8744، مقارنة بـ0.6025 لنموذج RGB وحده؛ وبلغت معدلات النتائج السلبية الكاذبة 0.2399 و0.7927 على الترتيب. ويقول الباحثون إن الإدخال الحراري يساعد في استعادة آثار تفوتها صور RGB في ظروف التباين المنخفض. وتقتصر النتائج على سلسلة واحدة منتقاة لقيادة شتوية ونموذج بحثي؛ ولا تعرض الورقة قيادة مغلقة الحلقة بمركبة حقيقية أو تشغيلاً آمناً في جميع الظروف الجوية. وما زال العمل مسودة لم تخضع لمراجعة الأقران.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"ورشة صناعية رمزية تضم آلات ومستودعاً ورافعة.","language":"ar"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"ورشة صناعية رمزية تضم آلات ومستودعاً ورافعة.","language":"ar"}}}