بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
لم تعد السيارات ذاتية القيادة مجرد فكرة مستقبلية؛ بل أصبحت حقيقة واقعة، مدفوعة بالتقدم في الذكاء الاصطناعي (AI) للقيادة الذاتية. تعتمد هذه المركبات بشكل كبير على أنظمة الذكاء الاصطناعي المتقدمة، وخاصة رؤية الكمبيوتر، لفهم وتفسير العالم من حولها. تمكنهم هذه التقنية من تحديد الأشياء والتعرف على إشارات المرور والتنقل بأمان في البيئات المعقدة في الوقت الفعلي.
مع سوق السيارات ذاتية القيادة العالمي الذي تبلغ قيمته أكثر من 27 مليار دولار أمريكي في عام 2021 - ومن المتوقع أن ينمو إلى ما يقرب من 62 مليار دولار بحلول عام 2026 - فمن الواضح أن الذكاء الاصطناعي لـ القيادة الذاتية يشكل مستقبل النقل. في هذه المقالة، سنلقي نظرة فاحصة على كيفية تطبيق رؤية الكمبيوتر في السيارات ذاتية القيادة، وتغطية التطبيقات الرئيسية مثل اكتشاف المشاة والتعرف على إشارات المرور وأنظمة الحفاظ على المسار، وعرض كيف تعمل هذه الابتكارات على تغيير مستقبل القيادة.
دور الذكاء الاصطناعي في السيارات ذاتية القيادة
يمكن للذكاء الاصطناعي أن يساعد السيارات ذاتية القيادة بشكل كبير على فهم محيطها واتخاذ قرارات في الوقت الفعلي. دعنا نستكشف كيف يساعد الذكاء الاصطناعي، من بين تطبيقاته العديدة، في اكتشاف المشاة والتعرف على إشارات المرور، وهما عنصران أساسيان يعززان موثوقية القيادة الذاتية.
الذكاء الاصطناعي لاكتشاف المشاة
تتطلب القيادة تركيزًا مستمرًا ووعيًا بما يحدث من حولك أثناء وجودك خلف عجلة القيادة. يمكن للذكاء الاصطناعي في السيارات ذاتية القيادة أن يساعد في جوانب لا حصر لها من الاستخدام اليومي لسياراتنا. على سبيل المثال، يمكن للذكاء الاصطناعي أن يلعب دورًا مهمًا في الحفاظ على سلامة المشاة من خلال اكتشافهم والتنبؤ بحركاتهم. وفقًا لـ "دراسة اكتشاف المشاة في السيارات ذاتية القيادة"، تبدأ هذه العملية بكاميرات السيارة، الموضوعة في جميع أنحاء السيارة لالتقاط رؤية كاملة للمناطق المحيطة، بما في ذلك الطرق والأرصفة وممرات المشاة. تلتقط هذه الكاميرات باستمرار بيانات مرئية، مما يساعد السيارة على "رؤية" المشاة، حتى في المواقف المزدحمة أو الصعبة.
يمكن بعد ذلك معالجة البيانات المرئية التي تم جمعها باستخدام نماذج رؤية الكمبيوتر مثل Ultralytics YOLOv8. للقيام بذلك، فإن الخطوة الأولى هي استخدام اكتشاف الكائنات الذي يستلزم تحديد موقع الكائنات المحتملة، مثل المشاة والمركبات وإشارات المرور، داخل الصورة. بمجرد اكتشافها، ينتقل نموذج الذكاء الاصطناعي إلى الخطوة التالية، وهي التصنيف - تحديد ماهية كل كائن تم اكتشافه بالفعل. يتم تدريب النماذج على مجموعات بيانات واسعة، مما يمكنها من التعرف على المشاة في أوضاع وظروف إضاءة وبيئات مختلفة، حتى عندما يكونون محجوبين جزئيًا أو في حالة حركة.
في حين أن بعض نماذج رؤية الكمبيوتر تتفوق في الاكتشاف والتصنيف، فإن البعض الآخر يركز على مهام مثل التنبؤ بحركة المشاة الذين تم اكتشافهم. في هذه الأنظمة، بمجرد تصنيف كائن على أنه أحد المشاة، يذهب نموذج الذكاء الاصطناعي خطوة أخرى إلى الأمام من خلال التنبؤ بحركتهم التالية. على سبيل المثال، إذا كان شخص ما يقف على حافة ممر للمشاة، فيمكن للسيارة أن تتوقع ما إذا كان قد يخطو إلى الطريق. هذه القدرة التنبؤية ضرورية لكي تتفاعل السيارة في الوقت الفعلي عن طريق إبطاء السرعة أو التوقف أو تغيير الاتجاه لتجنب أي خطر محتمل. لاتخاذ هذه القرارات بشكل أكثر ذكاءً، يمكن لأنظمة الذكاء الاصطناعي دمج البيانات المرئية من الكاميرات مع مدخلات من أجهزة استشعار أخرى مثل LIDAR، مما يمنح السيارة فهمًا أكثر اكتمالًا لمحيطها.
التعرف على إشارات المرور، أو TSR اختصارًا، هو جزء مهم آخر من السيارات ذاتية القيادة. فهو يساعد السيارة على التعرف على إشارات الطريق والاستجابة لها في الوقت الفعلي، مثل علامات التوقف والحدود السرعة والاتجاهات. وهذا يضمن التزام السيارة بقواعد المرور وتجنب الحوادث ويسمح للركاب بالاستمتاع برحلة سلسة وآمنة.
في صميم نظام TSR توجد خوارزميات التعلم العميق التي تستخدم كاميرات السيارة لتحديد الإشارات. يجب أن تعمل هذه الأنظمة في ظروف مختلفة مثل المطر أو الإضاءة المنخفضة أو عندما تتم رؤية الإشارة من زاوية. تعتمد الطرق القديمة على تقنيات مثل تحليل شكل الإشارات ولونها، ولكنها قد تفشل غالبًا في المواقف المعقدة، مثل سوء الأحوال الجوية.
في الورقة البحثية "نهج يعتمد على YOLOv8 للكشف متعدد الفئات عن إشارات المرور"، يصف المؤلفون استخدام نموذج YOLOv8 لتحديد مناطق الصور التي توجد بها إشارات المرور. تم تدريب النموذج على مجموعة بيانات تتضمن صورًا لإشارات المرور في ظل ظروف مختلفة، مثل الزوايا والإضاءة والمسافات المختلفة. بمجرد أن يكتشف نموذج YOLOv8 يكتشف المناطق التي تحتوي على إشارات المرور، فإنه يصنفها بدقة، ويحقق دقة رائعة تبلغ 80.64٪. يمكن لهذه الإمكانات أن تساعد المركبات ذاتية القيادة في فهم ظروف الطريق من خلال تحديد إشارات المرور المهمة في الوقت الفعلي، مما قد يساهم في اتخاذ قرارات قيادة أكثر أمانًا.
الشكل 2. نموذج رؤية حاسوبية يكتشف ويصنف بدقة إشارة مرور، مما يتيح التنقل الآمن للمركبات ذاتية القيادة.
فوائد الذكاء الاصطناعي في السيارات ذاتية القيادة
يغير الذكاء الاصطناعي تدريجيًا طريقة عمل السيارات ذاتية القيادة، مما يجعلها أكثر أمانًا وكفاءة. بفضل الخوارزميات الذكية والقدرة على معالجة البيانات بسرعة، يمكن لهذه السيارات اكتشاف المخاطر واتخاذ قرارات قيادة أفضل وحتى تقليل تأثيرها على البيئة. فيما يلي بعض الفوائد الرئيسية التي يجلبها الذكاء الاصطناعي للسيارات ذاتية القيادة.
تحسين السلامة
الذكاء الاصطناعي قادر على تعزيز السلامة في السيارات ذاتية القيادة من خلال تمكين الكشف عن المخاطر والاستجابة لها في الوقت الفعلي. وفقًا لتقرير صادر عن الإدارة الوطنية لسلامة المرور على الطرق السريعة (NHTSA)، فإن 94٪ من الحوادث الخطيرة ناتجة عن خطأ بشري. يتمتع الذكاء الاصطناعي بالقدرة على تقليل هذه الحوادث من خلال رد فعله بشكل أسرع من السائقين البشريين، مما قد يقلل من معدلات الحوادث بنسبة 90٪ مع تطور الأنظمة المستقلة.
تدفق حركة المرور بشكل أكثر سلاسة وكفاءة في استهلاك الوقود
لا يساعد الذكاء الاصطناعي في اكتشاف الأجسام في المركبات ذاتية القيادة في السلامة فحسب، بل يحسن أيضًا تدفق حركة المرور. باستخدام الذكاء الاصطناعي، يمكن لهذه المركبات تعديل سرعتها والحفاظ على مسافة مثالية وتقليل الحاجة إلى الكبح المفاجئ أو التسارع، وكل ذلك يساعد على تقليل الازدحام المروري. تعمل خوارزميات الذكاء الاصطناعي أيضًا على تحسين كفاءة استهلاك الوقود من خلال ضمان اتباع السيارات للطرق الأكثر كفاءة وتجنب التوقفات غير الضرورية وإدارة استهلاك الوقود بشكل أفضل من السائقين البشريين. ونتيجة لذلك، لا يحسن الذكاء الاصطناعي تجربة القيادة فحسب، بل يساهم أيضًا في تقليل الانبعاثات وتكاليف الوقود.
مستقبل السيارات ذاتية القيادة
يدور مستقبل السيارات ذاتية القيادة حول تحقيق المستوى الخامس من الاستقلالية، مما يعني القيادة الذاتية الكاملة دون الحاجة إلى تدخل بشري، بغض النظر عن البيئة أو الموقف. لفهم إلى أين تتجه التكنولوجيا، من المهم تقسيم المستويات الخمسة للقيادة الذاتية على النحو المحدد من قبل جمعية مهندسي السيارات (SAE):
المستوى 0: لا يوجد أتمتة. السائق البشري يتحكم بشكل كامل.
المستوى 1: مساعدة السائق. تساعد الأنظمة الأساسية مثل التحكم في السرعة في القيادة ولكنها تتطلب إشرافًا بشريًا.
المستوى 2: أتمتة جزئية. يمكن للمركبة التحكم في كل من التوجيه والتسارع، ولكن يجب أن يظل السائق منخرطًا ومستعدًا لتولي المسؤولية.
المستوى 3: أتمتة مشروطة. يمكن للمركبة إدارة معظم مهام القيادة، ولكن التدخل البشري مطلوب في المواقف المعقدة.
المستوى 4: أتمتة عالية. يمكن للسيارة أن تقود نفسها في معظم البيئات والظروف، على الرغم من أن السائق قد يظل ضروريًا في الظروف القاسية.
المستوى 5: أتمتة كاملة. السيارة مستقلة تمامًا ويمكنها العمل في جميع الظروف دون أي تدخل بشري.
تعمل معظم المركبات المتاحة تجاريًا حاليًا في المستوى 2 من الاستقلالية، حيث يمكن للسيارة المساعدة في التحكم في التوجيه والسرعة ولكنها لا تزال تتطلب بقاء السائق منخرطًا. مرسيدس-بنز هي واحدة من أوائل الشركات التي حققت المستوى 3 من الاستقلالية، والذي يسمح للسائقين، في ظل ظروف معينة، برفع أيديهم عن عجلة القيادة وإبعاد أعينهم عن الطريق - والاستمتاع بمحيطهم.
ومع ذلك، فإن الوصول إلى المستوى 5 من الاستقلالية - حيث يمكن للمركبات التنقل في جميع التضاريس، من المراكز الحضرية المزدحمة إلى الطرق الريفية النائية، دون خرائط أو تدخل بشري - يمثل تحديات كبيرة. تتضمن هذه التحديات تطوير ذكاء اصطناعي متقدم يمكنه اتخاذ قرارات في الوقت الفعلي في بيئات لا يمكن التنبؤ بها، والتعامل مع الظروف الجوية المعقدة، وضمان السلامة في جميع سيناريوهات القيادة.
النقاط الرئيسية
الذكاء الاصطناعي هو المفتاح لجعل السيارات ذاتية القيادة أكثر واقعية. فهو يساعد هذه المركبات على اكتشاف الأجسام والتعرف على إشارات المرور والبقاء في مساراتها، وبمساعدة نماذج الرؤية الحاسوبية مثل YOLOv8، يساعد في إدارة حركة المرور و تحسين إدارة مواقف السيارات، مما يجعل القيادة أكثر أمانًا وسلاسة. تسمح تقنيات مثل YOLO و CNNs للسيارات باتخاذ قرارات ذكية على الطريق. في الوقت الحالي، تعمل معظم السيارات ذاتية القيادة في المستوى 2، حيث تساعد في القيادة ولكنها لا تزال بحاجة إلى اهتمام بشري، ويجري اختبار المستوى 3 من الاستقلالية، مما يسمح بالقيادة بدون استخدام اليدين بشكل محدود.
التحدي الكبير الذي يواجهنا هو الوصول إلى المستوى 5 من الاستقلالية، حيث يمكن للسيارات قيادة نفسها في أي حالة دون مساعدة بشرية. سيتطلب ذلك المزيد من العمل للتعامل مع الأحداث غير المتوقعة وإنشاء أنظمة يمكنها اتخاذ قرارات في الوقت الفعلي في جميع المواقف. مع تحسن الذكاء الاصطناعي، تقترب السيارات ذاتية القيادة بالكامل، مما يبشر بطرق أكثر أمانًا وتجربة قيادة أكثر راحة.
هل أنت مهتم بالذكاء الاصطناعي؟ استكشف مستودع GitHub الخاص بنا للتعمق في المشاريع الرائدة والتواصل مع مجتمعنا المتنامي. من الاكتشافات الرعاية الصحية إلى الابتكارات في القيادة الذاتية، نحن نقود مستقبل الذكاء الاصطناعي!
