الذكاء الاصطناعي في السيارات ذاتية القيادة

لم تعد السيارات ذاتية القيادة مجرد فكرة مستقبلية؛ بل أصبحت واقعًا بفضل التطورات في الذكاء الاصطناعي (AI) للقيادة الذاتية. وتعتمد هذه المركبات اعتمادًا كبيرًا على أنظمة الذكاء الاصطناعي المتقدمة، ولا سيما الرؤية الحاسوبية، لفهم العالم المحيط بها وتفسيره. وتتيح هذه التقنية للمركبات تحديد الأجسام والتعرّف على إشارات الطرق والتنقل بأمان في البيئات المعقدة في الوقت الفعلي.

مع تجاوز قيمة سوق السيارات ذاتية القيادة العالمي 27 مليار دولار أمريكي في عام 2021، وتوقع ارتفاعها إلى نحو 62 مليار دولار بحلول عام 2026، يتضح أن الذكاء الاصطناعي للـقيادة الذاتية يرسم مستقبل النقل. في هذه المقالة، سنلقي نظرة عن كثب على تطبيقات الرؤية الحاسوبية في السيارات ذاتية القيادة، ونتناول تطبيقات أساسية مثل اكتشاف المشاة والتعرّف على إشارات المرور وأنظمة الحفاظ على المسار، لنوضح كيف تُحدث هذه الابتكارات تحولًا في مستقبل القيادة.

دور الذكاء الاصطناعي في السيارات ذاتية القيادة#

يمكن للذكاء الاصطناعي أن يساعد السيارات ذاتية القيادة كثيرًا على فهم محيطها واتخاذ قرارات فورية. لنتعرف على كيفية إسهام الذكاء الاصطناعي، ضمن تطبيقاته العديدة، في اكتشاف المشاة والتعرّف على إشارات المرور، وهما عنصران أساسيان يعززان موثوقية القيادة الذاتية.

الذكاء الاصطناعي لاكتشاف المشاة#

يتطلب القيادة تركيزًا وانتباهًا مستمرين لما يدور حولك أثناء الجلوس خلف المقود. ويمكن للذكاء الاصطناعي في السيارات ذاتية القيادة المساعدة في جوانب كثيرة من الاستخدام اليومي لسياراتنا. فعلى سبيل المثال، يمكن للذكاء الاصطناعي أن يؤدي دورًا مهمًا في الحفاظ على سلامة المشاة عبر رصدهم والتنبؤ بحركاتهم. ووفقًا لـ«دراسة اكتشاف المشاة في السيارات ذاتية القيادة»، تبدأ هذه العملية بكاميرات السيارة المثبتة في جميع أرجائها لالتقاط رؤية كاملة للمحيط، بما يشمل الطرق والأرصفة وممرات المشاة. وتلتقط هذه الكاميرات البيانات المرئية باستمرار، مما يساعد السيارة على «رؤية» المشاة، حتى في المواقف المزدحمة أو الصعبة.

يمكن بعد ذلك معالجة البيانات المرئية التي جُمعت باستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLOv8. وتتمثل الخطوة الأولى في استخدام اكتشاف الكائنات، الذي يتضمن تحديد مواقع الكائنات المحتملة، مثل المشاة والمركبات وإشارات المرور، داخل الصورة. وبعد اكتشافها، ينتقل نموذج الذكاء الاصطناعي إلى الخطوة التالية، وهي التصنيف، أي تحديد ماهية كل كائن مكتشف. وتُدرّب النماذج على مجموعات بيانات ضخمة، مما يمكّنها من التعرف على المشاة في أوضاع وظروف إضاءة وبيئات مختلفة، حتى عندما يكونون محجوبين جزئيًا أو في حالة حركة.

في حين تتفوق بعض نماذج الرؤية الحاسوبية في الاكتشاف والتصنيف، تركز نماذج أخرى على مهام مثل التنبؤ بحركة المشاة المكتشفين. ففي هذه الأنظمة، بعد تصنيف كائن على أنه أحد المشاة، يتخذ نموذج الذكاء الاصطناعي خطوة إضافية بالتنبؤ بحركته التالية. فعلى سبيل المثال، إذا كان شخص يقف عند حافة ممر للمشاة، يمكن للسيارة توقع ما إذا كان سيخطو إلى الطريق. وتُعد هذه القدرة التنبؤية ضرورية كي تستجيب السيارة في الوقت الفعلي، عبر 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 فهمًا أشمل لمحيطها.

الشكل 1. Ultralytics YOLOv8 يكتشف أحد المشاة.

الذكاء الاصطناعي للتعرّف على إشارات المرور#

يُعد التعرف على إشارات المرور (TSR) عنصرًا مهمًا آخر في السيارات ذاتية القيادة. فهو يساعد السيارة على التعرف على إشارات الطريق والاستجابة لها في الوقت الفعلي، مثل إشارات التوقف وحدود السرعة والاتجاهات. ويضمن ذلك التزام السيارة بقواعد المرور وتجنب الحوادث، كما يتيح للركاب الاستمتاع برحلة سلسة وآمنة.

تعتمد أنظمة TSR أساسًا على خوارزميات التعلم العميق التي تستخدم كاميرات السيارة لتحديد الإشارات. ويجب أن تعمل هذه الأنظمة في ظروف مختلفة، مثل المطر أو الإضاءة الخافتة أو عند رؤية الإشارة من زاوية. وتعتمد الأساليب الأقدم على تقنيات مثل تحليل شكل الإشارات ولونها، لكنها قد تخفق في كثير من الأحيان في المواقف المعقدة، مثل سوء الأحوال الجوية.

في إحدى الأوراق البحثية، يصف المؤلفون استخدام نموذج YOLOv8 لتحديد مناطق الصور التي توجد فيها إشارات المرور. ودُرّب النموذج على مجموعة بيانات تتضمن صورًا لإشارات المرور في ظروف متنوعة، مثل اختلاف الزوايا والإضاءة والمسافات. وما إن يكتشف نموذج YOLOv8 المناطق التي تحتوي على إشارات المرور، حتى يصنّفها. ويمكن لهذه الإمكانات مساعدة المركبات ذاتية القيادة على فهم ظروف الطريق، من خلال تحديد إشارات المرور المهمة في الزمن الحقيقي، ما قد يسهم في اتخاذ قرارات قيادة أكثر أمانًا. وتجعل مجموعات البيانات العامة مثل TT100K تدريب كواشف مشابهة لإشارات المرور ممكنًا.

الشكل 2. نموذج رؤية حاسوبية يكتشف إشارة مرور ويصنفها بدقة، ما يتيح للمركبات ذاتية القيادة التنقل بأمان. (المصدر: computervision.zone)

فوائد الذكاء الاصطناعي في السيارات ذاتية القيادة#

يغيّر الذكاء الاصطناعي تدريجيًا طريقة عمل السيارات ذاتية القيادة، ويجعلها أكثر أمانًا وكفاءة. وبفضل الخوارزميات الذكية والقدرة على معالجة البيانات بسرعة، تستطيع هذه السيارات رصد المخاطر واتخاذ قرارات قيادة أفضل، بل والحد من أثرها في البيئة. إليكم بعض الفوائد الرئيسية التي يحققها الذكاء الاصطناعي للسيارات ذاتية القيادة.

تحسين السلامة#

يمكن للذكاء الاصطناعي تعزيز السلامة في السيارات ذاتية القيادة من خلال تمكينها من اكتشاف المخاطر والاستجابة لها في الزمن الحقيقي. ووفقًا لتقرير صادر عن الإدارة الوطنية لسلامة المرور على الطرق السريعة (NHTSA)، 94% من الحوادث الخطيرة ناتجة عن أخطاء بشرية. ويمكن للذكاء الاصطناعي الحد من هذه الحوادث عبر الاستجابة بسرعة تفوق السائقين البشر، ما قد يخفض معدلات الحوادث مع تطور الأنظمة ذاتية القيادة.

انسيابية حركة المرور وكفاءة استهلاك الوقود#

لا يساعد الذكاء الاصطناعي في اكتشاف الأجسام للمركبات ذاتية القيادة على تعزيز السلامة فحسب، بل يحسن أيضًا حركة المرور. فباستخدام الذكاء الاصطناعي، تستطيع هذه المركبات تعديل سرعتها والحفاظ على مسافة مثالية وتقليل الحاجة إلى الكبح أو التسارع المفاجئ، وكل ذلك يساعد على الحد من الازدحام المروري. كما تحسّن خوارزميات الذكاء الاصطناعي كفاءة استهلاك الوقود من خلال ضمان اتباع السيارات أكثر الطرق كفاءة، وتجنب التوقف غير الضروري، وإدارة استهلاك الوقود على نحو أفضل من السائقين البشر. ونتيجة لذلك، لا يحسّن الذكاء الاصطناعي تجربة القيادة فحسب، بل يسهم أيضًا في خفض الانبعاثات وتكاليف الوقود.

مستقبل السيارات ذاتية القيادة#

يدور مستقبل السيارات ذاتية القيادة حول تحقيق الاستقلالية من المستوى 5، أي القيادة الذاتية بالكامل دون الحاجة إلى تدخل بشري، بصرف النظر عن البيئة أو الموقف. ولمعرفة المسار الذي تتجه إليه التقنية، من المهم استعراض مستويات القيادة الذاتية الخمسة التي حددتها جمعية مهندسي السيارات (SAE):

• المستوى 0: لا توجد أتمتة. ويتحكم السائق البشري بالكامل بالمركبة.
• المستوى 1: مساعدة السائق. تساعد أنظمة أساسية مثل مثبت السرعة في القيادة، لكنها تتطلب إشرافًا بشريًا.
• المستوى 2: أتمتة جزئية. تستطيع المركبة التحكم في التوجيه والتسارع، لكن يجب أن يظل السائق منتبهًا ومستعدًا لتولي القيادة.
• المستوى 3: أتمتة مشروطة. تستطيع المركبة إدارة معظم مهام القيادة، لكن التدخل البشري مطلوب في المواقف المعقدة.
• المستوى 4: أتمتة عالية. تستطيع السيارة القيادة ذاتيًا في معظم البيئات والظروف، رغم احتمال الحاجة إلى سائق في الظروف القصوى.
• المستوى 5: أتمتة كاملة. المركبة ذاتية القيادة بالكامل، ويمكنها العمل في جميع الظروف دون أي تدخل بشري.

تعمل حاليًا معظم المركبات المتاحة تجاريًا عند مستوى الاستقلالية 2، حيث تستطيع السيارة المساعدة في التوجيه والتحكم بالسرعة، لكنها تظل بحاجة إلى انتباه السائق. وتُعد Mercedes-Benz من أوائل الشركات التي حققت الاستقلالية من المستوى 3، والتي تتيح للسائقين في ظروف محددة رفع أيديهم عن عجلة القيادة وإبعاد أعينهم عن الطريق، والتأمل في محيطهم.

لكن بلوغ الاستقلالية من المستوى 5، حيث تستطيع المركبات التنقل في جميع التضاريس، من مراكز المدن المزدحمة إلى الطرق الريفية النائية، دون خرائط أو تدخل بشري، يطرح تحديات كبيرة. وتشمل هذه التحديات تطوير ذكاء اصطناعي متقدم قادر على اتخاذ قرارات فورية في بيئات غير متوقعة، والتعامل مع الظروف الجوية المعقدة، وضمان السلامة في جميع سيناريوهات القيادة.

أبرز النقاط#

يشكل الذكاء الاصطناعي عنصرًا أساسيًا لتحقيق واقع السيارات ذاتية القيادة. فهو يساعد هذه المركبات على اكتشاف الكائنات والتعرف على إشارات المرور والبقاء ضمن مساراتها، كما يساعد، باستخدام نماذج الرؤية الحاسوبية مثل YOLOv8، على إدارة حركة المرور وتحسين إدارة مواقف السيارات، مما يجعل القيادة أكثر أمانًا وسلاسة. وتتيح تقنيات مثل YOLO والشبكات العصبية الالتفافية (CNNs) للسيارات اتخاذ قرارات ذكية على الطريق. وفي الوقت الراهن، تعمل معظم السيارات ذاتية القيادة عند المستوى 2، حيث تقدم المساعدة أثناء القيادة لكنها لا تزال تتطلب انتباه الإنسان، فيما يجري اختبار القيادة الذاتية من المستوى 3، التي تتيح القيادة دون استخدام اليدين في نطاق محدود.

يتمثل التحدي الأكبر المقبل في بلوغ الاستقلالية من المستوى 5، حيث تستطيع السيارات القيادة ذاتيًا في أي ظرف دون مساعدة بشرية. ويتطلب ذلك مزيدًا من العمل للتعامل مع الأحداث غير المتوقعة وإنشاء أنظمة قادرة على اتخاذ قرارات فورية في جميع المواقف. ومع تطور الذكاء الاصطناعي، تقترب السيارات ذاتية القيادة بالكامل، ما يبشر بطرق أكثر أمانًا وتجربة قيادة أكثر راحة.

هل يثير الذكاء الاصطناعي فضولكم؟ استكشفوا مستودع GitHub للاطلاع على مشاريعنا والتواصل مع مجتمعنا المتنامي. واستكشفوا كيف نطبق ذكاء الرؤية في مختلف القطاعات، من الرعاية الصحية إلى القيادة الذاتية.