المركبات ذاتية القيادة

التكنولوجيا الأساسية

يوجد في قلب كل مركبة ذاتية القيادة نظام متطور يدرك العالم ويتخذ القرارات ويتحكم في تصرفات المركبة. ويعتمد هذا النظام اعتماداً كبيراً على نظام الرؤية الحاسوبية (CV)، الذي يعمل بمثابة عيون المركبة.

• الإدراك الحسي: تستخدم المركبات ذاتية القيادة مجموعة من أجهزة الاستشعار - بما في ذلك الكاميرات والرادار والرادار والليدار- لجمع البيانات حول محيطها. تعالج نماذج التعلّم العميق هذه البيانات لأداء مهام حاسمة مثل اكتشاف الأجسام لتحديد المشاة والمركبات الأخرى وعلامات الطرق؛ وتقسيم الصور لتمييز الأسطح القابلة للقيادة عن الأرصفة؛ وتقدير الوضعية للتنبؤ بنوايا المشاة وراكبي الدراجات.
• دمج أجهزة الاستشعار: يتم دمج البيانات من أجهزة استشعار مختلفة من خلال عملية تسمى دمج أجهزة الاستشعار. ويؤدي ذلك إلى إنشاء نموذج واحد أكثر دقة للبيئة مما يمكن أن يوفره أي جهاز استشعار منفرد، مما يعزز الموثوقية والسلامة.
• اتخاذ القرارات: بمجرد فهم البيئة، يجب على الذكاء الاصطناعي اتخاذ القرارات. يتضمن ذلك تخطيط المسار، وتنظيم السرعة، والتنقل في سيناريوهات حركة المرور المعقدة. ويستفيد "عقل" السيارة الآلية من نماذج التعلّم الآلي المدرّبة على كميات هائلة من بيانات القيادة.

مستويات الاستقلالية

عادةً ما يتم تصنيف تطوير المركبات ذاتية القيادة إلى ستة مستويات يحددها معيار SAE الدولي J3016، والذي يحدد التدرج من عدم وجود أتمتة إلى الأتمتة الكاملة.

• المستويان 0-2: تتضمن هذه المستويات ميزات لا يزال السائق يتحكم فيها ولكن بمساعدة أنظمة مثل المكابح الآلية في حالات الطوارئ أو نظام المساعدة على البقاء في حارة السير. تحتوي العديد من السيارات الحديثة على أنظمة مساعدة السائق المتقدمة (ADAS).
• المستويات 3-5: تنطوي هذه المستويات على درجات متزايدة من الأتمتة حيث تتولى السيارة مهام القيادة في ظروف محددة (المستوى 3) أو معظم الظروف (المستوى 4) أو جميع الظروف (المستوى 5). ترتبط "القيادة الذاتية" الحقيقية عادةً بالمستويين 4 و5. يعد التشغيل الآمن لهذه الأنظمة المتقدمة محور تركيز رئيسي للهيئات التنظيمية مثل NHTSA.

التطبيقات الواقعية

على الرغم من أن السيارات ذاتية القيادة بالكامل لم تنتشر بعد في كل مكان، إلا أنه يتم نشر هذه التكنولوجيا واختبارها في تطبيقات مختلفة.

1. خدمات سيارات الأجرة الآلية: تقوم شركات مثل "وايمو " و" كروز " بتشغيل خدمات النقل التجاري بسيارات ذاتية القيادة بالكامل في العديد من المدن. وتستخدم هذه الخدمات الذكاء الاصطناعي المتقدم في السيارات ذاتية القيادة للتنقل في البيئات الحضرية، وتعتمد على اكتشاف الأجسام وتتبعها في الوقت الحقيقي لضمان سلامة الركاب.
2. أنظمة مساعدة السائق المتقدمة (ADAS): أصبحت ميزات مثل الطيار الآلي من تسلا والأنظمة المماثلة من الشركات المصنعة الأخرى شائعة في السيارات الجديدة. وتستخدم هذه الأنظمة الكاميرات والذكاء الاصطناعي لأتمتة مهام مثل التوجيه والتسارع والكبح، مما يمثل خطوة تدريجية نحو القيادة الذاتية الكاملة.

التطوير والتدريب

ينطوي تطوير المركبات ذاتية القيادة على إجراء اختبارات صارمة والتحقق من صحتها، وغالباً ما يتم ذلك باستخدام مجموعات بيانات كبيرة مثل COCO أو مجموعات بيانات القيادة المتخصصة مثل Argoverse و nuScenes. ويتطلب تدريب النماذج الأساسية باستخدام بنيات قوية مثل YOLO11 موارد حاسوبية كبيرة(وحدات معالجة الرسومات) وأطر عمل مثل PyTorch أو TensorFlow. وتلعب بيئات المحاكاة مثل CARLA دوراً حاسماً في اختبار الخوارزميات بأمان في ظل سيناريوهات لا حصر لها قبل النشر في العالم الحقيقي. يمثل التحقق من سلامة المركبات ذاتية القيادة تحديًا معقدًا، كما هو موضح في الأبحاث التي أجرتها مؤسسات مثل مؤسسة راند.

غالبًا ما يتضمن نشر النماذج تقنيات التحسين مثل تكميم الن ماذج لمسرعات الأجهزة المتخصصة مثل أجهزة Edge AI وأجهزة NVIDIA Jetson. تستفيد دورة الحياة بأكملها من ممارسات MLOps القوية للتحسين والمراقبة المستمرة.

المركبات ذاتية القيادة مقابل الروبوتات

في حين أن المركبة ذاتية القيادة هي شكل متخصص من أشكال الروبوتات، فإن مصطلح الروبوتات أوسع بكثير. تشمل الروبوتات مجموعة واسعة من الآلات المؤتمتة، بما في ذلك أذرع التصنيع الصناعي، والروبوتات الجراحية، والطائرات بدون طيار. والمركبات ذاتية القيادة هي على وجه التحديد روبوتات أرضية مصممة لنقل الأشخاص أو البضائع، وتمثل تطبيقاً شديد التعقيد والوضوح في مجال الروبوتات الأوسع نطاقاً.