الذكاء الاصطناعي في السيارات ذاتية القيادة

لم تعد السيارات ذاتية القيادة مجرد فكرة مستقبلية، بل أصبحت واقعاً تُحرّكه التطورات في مجال الذكاء الاصطناعي للقيادة الذاتية. تعتمد هذه المركبات بشكل كبير على أنظمة الذكاء الاصطناعي المتقدمة، لا سيما الرؤية الحاسوبية، لفهم تفسير العالم من حولها. تُمكّنها هذه التقنية من تحديد الكائنات، والتعرف على إشارات المرور، والتنقل بأمان في البيئات المعقدة في الوقت الفعلي.

مع تقدير قيمة سوق السيارات ذاتية القيادة العالمية بأكثر من 27 مليار دولار أمريكي في عام 2021 - ومن المتوقع أن تنمو لتصل إلى ما يقريب من 62 مليار دولار بحلول عام 2026 - يتضح جلياً أن الذكاء الاصطناعي الخاص بـالقيادة الذاتية يُشكل مستقبل النقل. في هذه المقالة، سنلقي نظرة أقرب على كيفية تطبيق الرؤية الحاسوبية في السيارات ذاتية القيادة، مغطين التطبيقات الرئيسية مثل اكتشاف المشاة، والتعرف على إشارات المرور، وأنظمة الحفاظ على المسار، مستعرضين كيف تُحدث هذه الابتكارات تحولاً في مستقبل القيادة.

دور الذكاء الاصطناعي في السيارات ذاتية القيادة#

يمكن للذكاء الاصطناعي مساعدة السيارات ذاتية القيادة بشكل كبير في فهم محيطها واتخاذ قرارات في الوقت الفعلي. دعونا نستكشف كيف يساعد الذكاء الاصطناعي، من بين تطبيقاته الكثيرة، في اكتشاف المشاة والتعرف على إشارات المرور، وهما عنصران أساسيان يعززان من موثوقية القيادة الذاتية.

الذكاء الاصطناعي لاكتشاف المشاة#

تستلزم القيادة تركيزاً مستمراً ووعياً بما يحدث حولك أثناء الجلوس خلف المقود. يمكن للذكاء الاصطناعي في السيارات ذاتية القيادة المساعدة في جوانب لا حصر لها من الاستخدام اليومي لسياراتنا. على سبيل المثال، يمكن للذكاء الاصطناعي أن يلعب دوراً مهماً في الحفاظ على سلامة المشاة من خلال رصدهم والتنبؤ بحركاتهم. وفقاً لـ"دراسة حول اكتشاف المشاة في السيارات ذاتية القيادة"، تبدأ هذه العملية بكاميرات السيارة، التي يتم وضعها في جميع أنحاء المركبة لالتقاط رؤية كاملة للمحيط، بما في ذلك الطرق، والأرصفة، وممرات عبور المشاة. تلتقط هذه الكاميرات بيانات مرئية باستمرار، مما يساعد السيارة على "رؤية" المشاة، حتى في المواقف المزدحمة أو الصعبة.

يمكن بعد ذلك معالجة البيانات المرئية التي يتم جمعها باستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLOv8. للقيام بذلك، تتمثل الخطوة الأولى في استخدام اكتشاف الكائنات الذي يتضمن تحديد موقع الكائنات المحتملة، مثل المشاة، والمركبات، وإشارات المرور، داخل الصورة. بمجرد الاكتشاف، ينتقل نموذج الذكاء الاصطناعي إلى الخطوة التالية، وهي التصنيف - أي تحديد ماهية كل كائن تم اكتشافه فعلياً. يتم تدريب النمارض على مجموعات بيانات ضخمة، مما يمكنها من التعرف على المشاة في وضعيات، وظروف إضاءة، وبيئات مختلفة، حتى عندما يكونون محجوبين جزئياً أو في حالة حركة.

بينما تتفوق بعض نماذج رؤية الحاسوب في الاكتشاف والتصنيف، تركز نماذج أخرى على مهام مثل التنبؤ بحركة المشاة المكتشفين. في هذه الأنظمة، وبمجرد تصنيف الجسم كمشاة، يخطو نموذج الذكاء الاصطناعي خطوة أبعد من خلال التنبؤ بحركتهم التالية. على سبيل المثال، إذا كان شخص ما يقف عند حافة ممر المشاة، يمكن للسيارة توقع ما إذا كان قد يخطو إلى الطريق. تعد هذه القدرة التنبؤية ضرورية للمركبة لتتفاعل في الوقت الفعلي عن طريق الإبطاء أو التوقف أو تغيير الاتجاه لتجنب أي خطر محتمل. ولجعل هذه القرارات أكثر ذكاءً، يمكن لأنظمة الذكاء الاصطناعي دمج البيانات المرئية من الكاميرات مع مدخلات من مستشعرات أخرى مثل LIDAR، مما يمنح السيارة فهماً أكثر اكتمالاً لمحيطها.

الشكل 1. نموذج Ultralytics YOLOv8 يكتشف مشاة.

الذكاء الاصطناعي للتعرف على إشارات المرور#

التعرف على إشارات المرور، واختصاراً TSR، هو جزء مهم آخر من السيارات ذاتية القيادة. فهو يساعد المركبة على التعرف على إشارات المرور والاستجابة لها في الوقت الفعلي، مثل علامات التوقف، وحدود السرعة، والاتجاهات. يضمن هذا التزام السيارة بقواعد المرور، وتجنب الحوادث، ويتيح للركاب الاستمتاع برحلة سلسة وآمنة.

في جوهر تقنية TSR توجد خوارزميات تعلم عميق تستخدم كاميرات السيارة لتحديد الإشارات. تحتاج هذه الأنظمة إلى العمل في ظروف مختلفة مثل المطر، أو الإضاءة المنخفضة، أو عندما يتم عرض الإشارة من زاوية معينة. تعتمد الأساليب القديمة على تقنيات مثل تحليل شكل ولون الإشارات، لكنها قد تفشل غالباً في المواقف المعقدة، مثل سوء الأحوال الجوية.

في الورقة البحثية "A Ultralytics YOLOv8-based approach for multi-class traffic sign detection"، يصف المؤلفون استخدام نموذج YOLOv8 لتحديد مناطق الصور التي توجد بها إشارات المرور. تم تدريب النموذج على مجموعة بيانات تتضمن صوراً لإشارات المرور في ظل ظروف مختلفة، مثل الزوايا والإضاءات والمسافات المتنوعة. بمجرد أن يكشف نموذج YOLOv8 عن المناطق التي تحتوي على إشارات المرور، يقوم بتصنيفها بدقة، محققاً دقة مثيرة للإعجاب بلغت 80.64%. يمكن لهذه القدرات أن تساعد المركبات ذاتية القيادة في فهم ظروف الطريق من خلال تحديد إشارات المرور المهمة في الوقت الفعلي، مما قد يسهم في اتخاذ قرارات قيادة أكثر أماناً.

الشكل 2. نموذج رؤية الحاسوب يكتشف ويصنف إشارة مرور بدقة، مما يتيح التنقل الآمن للمركبات ذاتية القيادة. (المصدر: computervision.zone)

فوائد الذكاء الاصطناعي في السيارات ذاتية القيادة#

يُغير الذكاء الاصطناعي تدريجياً طريقة عمل السيارات ذاتية القيادة، مما يجعلها أكثر أماناً وكفاءة. بفضل الخوارزميات الذكية والقدرة على معالجة البيانات بسرعة، يمكن لهذه السيارات رصد المخاطر، واتخاذ قرارات قيادة أفضل، وحتى تقليل تأثيرها على البيئة. إليك بعض الفوائد الرئيسية التي يجلبها الذكاء الاصطناعي للسيارات ذاتية القيادة.

تحسين السلامة#

يتمتع الذكاء الاصطناعي بالقدرة على تعزيز السلامة في السيارات ذاتية القيادة من خلال تمكين الاكتشاف والاستجابة للمخاطر في الوقت الفعلي. وفقاً لتقرير صادر عن الإدارة الوطنية للسلامة على الطرق السريعة (NHTSA)، فإن 94% من الحوادث الخطيرة ترجع إلى خطأ بشري. يمتلك الذكاء الاصطناعي القدرة على تقليل مثل هذه الحوادث من خلال التفاعل بشكل أسرع من السائقين البشر، مما قد يقلل من معدلات الحوادث بنسبة 90% مع زيادة تقدم الأنظمة ذاتية القيادة.

تدفق مروري أكثر سلاسة وكفاءة في استهلاك الوقود#

لا يقتصر دور الذكاء الاصطناعي في اكتشاف كائنات المركبات ذاتية القيادة على المساعدة في السلامة فحسب، بل يحسن أيضاً تدفق حركة المرور. باستخدام الذكاء الاصطناعي، يمكن لهذه المركبات ضبط سرعتها، والحفاظ على المسافة المثلى، وتقليل الحاجة إلى الكبح أو التسارع المفاجئ، وكل ذلك يساعد في تقليل الازدحام المروري. كما تعمل خوارزميات الذكاء الاصطناعي على تحسين كفاءة استهلاك الوقود من خلال ضمان اتباع السيارات لأكثر الطرق كفاءة، وتجنب التوقفات غير الضرورية، وإدارة استهلاك الوقود بشكل أفضل من السائقين البشريين. ونتيجة لذلك، لا يحسن الذكاء الاصطناعي تجربة القيادة فحسب، بل يساهم أيضاً في خفض الانبعاثات وتكاليف الوقود.

مستقبل السيارات ذاتية القيادة#

يتمركز مستقبل السيارات ذاتية القيادة حول تحقيق المستوى 5 من الاستقلالية، مما يعني القيادة المستقلة تماماً دون الحاجة إلى التدخل البشري، بغض النظر عن البيئة أو الموقف. لفهم الاتجاه الذي تتحرك نحوه التكنولوجيا، من المهم تفصيل مستويات القيادة الذاتية الخمسة كما حددتها جمعية مهندسي السيارات (SAE):

• المستوى 0: لا يوجد أتمتة. السائق البشري هو المسؤول تماماً.
• المستوى 1: مساعدة السائق. أنظمة أساسية مثل مثبت السرعة تساعد في القيادة ولكنها تتطلب إشرافاً بشرياً.
• المستوى 2: أتمتة جزئية. يمكن للمركبة التحكم في كل من التوجيه والتسارع، ولكن يجب أن يظل السائق منتبهاً ومستعداً لتولي القيادة.
• المستوى 3: أتمتة مشروطة. يمكن للمركبة إدارة معظم مهام القيادة، ولكن يلزم التدخل البشري في المواقف المعقدة.
• المستوى 4: أتمتة عالية. يمكن للسيارة قيادة نفسها في معظم البيئات والظروف، على الرغم من أنه قد لا يزال يلزم وجود سائق في الظروف القاسية.
• المستوى 5: أتمتة كاملة. المركبة ذاتية القيادة بالكامل ويمكنها العمل في جميع الظروف دون أي مدخلات بشرية.

في الوقت الحالي، تعمل معظم المركبات المتاحة تجارياً في المستوى 2 من الاستقلالية، حيث يمكن للسيارة المساعدة في التوجيه والتحكم في السرعة ولكنها لا تزال تتطلب من السائق البقاء متيقظاً. تُعد مرسيدس-بنز إحدى الشركات الأوائل التي حققت المستوى 3 من الاستقلالية، والذي يتيح للسائقين في ظل ظروف محددة رفع أيديهم عن عجلة القيادة، وإبعاد أعينهم عن الطريق - والاستمتاع بمحيطهم.

ومع ذلك، فإن الوصول إلى المستوى 5 من الاستقلالية—حيث يمكن للمركبات التنقل عبر جميع التضاريس، من مراكز المدن المزدحمة إلى الطرق الريفية النائية، بدون خرائط أو تدخل بشري—يمثل تحديات كبيرة. تشمل هذه التحديات تطوير ذكاء اصطناعي متقدم يمكنه اتخاذ قرارات في الوقت الفعلي في بيئات غير متوقعة، والتعامل مع الظروف الجوية المعقدة، وضمان السلامة عبر جميع سيناريوهات القيادة.

أبرز النقاط#

يُعد الذكاء الاصطناعي المفتاح لجعل السيارات ذاتية القيادة أكثر واقعية. فهو يساعد هذه المركبات على اكتشاف الكائنات، والتعرف على إشارات المرور، والبقاء في مساراتها، وبمساعدة نماذج الرؤية الحاسوبية مثل YOLOv8، يساعد في إدارة حركة المرور، وتحسين إدارة وقوف السيارات، مما يجعل القيادة أكثر أماناً وسلاسة. تتيح تقنيات مثل YOLO وشبكات CNN للسيارات اتخاذ قرارات ذكية على الطريق. في الوقت الحالي، تعمل معظم السيارات ذاتية القيادة في المستوى 2، حيث تساعد في القيادة ولكنها لا تزال بحاجة إلى الانتباه البشري، ويتم اختبار مستوى الاستقلالية 3، مما يسمح بقيادة محدودة دون استخدام اليدين.

التحدي الكبير القادم هو الوصول إلى المستوى 5 من الاستقلالية، حيث يمكن للسيارات قيادة نفسها في أي ظرف دون مساعدة بشرية. سيتطلب هذا المزيد من العمل للتعامل مع الأحداث غير المتوقعة وإنشاء أنظمة قادرة على اتخاذ قرارات في الوقت الفعلي في جميع المواقف. مع تحسن الذكاء الاصطناعي، تقترب السيارات ذاتية القيادة بالكامل، مما يعد بطرق أكثر أماناً وتجربة قيادة أكثر راحة.

هل أنت مهتم بالذكاء الاصطناعي؟ استكشف مستودع GitHub الخاص بنا للتعمق في المشاريع الرائدة والتواصل مع مجتمعنا المتنامي. من اختراقات الرعاية الصحية إلى الابتكارات في القيادة الذاتية، نحن نقود مستقبل الذكاء الاصطناعي!