مركبة مستقلة يقودها طراز الذكاء الاصطناعي الأكثر تقدمًا حتى الآن

ابتكر خبراء من جامعة تويوهاشي للتكنولوجيا نموذجًا للذكاء الاصطناعي (AI) يتعامل في نفس الوقت مع الإدراك والتحكم في السيارة ذاتية القيادة.

يدرك نموذج الذكاء الاصطناعي البيئة المحيطة بكفاءة من خلال مهام الرؤية المختلفة أثناء التحكم في السيارة المستقلة لأنها تتبع سلسلة من نقاط الطريق.

يمكن للنموذج التنقل بأمان في السيارة من خلال ظروف بيئية متنوعة ضمن مجموعة من السيناريوهات وقد تم اختباره من خلال مهام الملاحة من نقطة إلى نقطة، مما يحقق أفضل قابلية للقيادة بين الطرز التي تم اختبارها مؤخرًا في إعداد محاكاة قياسي.

تحديات القيادة الذاتية

القيادة الذاتية هي نظام معقد للغاية يتألف من أنظمة فرعية متنوعة تدير مهام الإدراك والتحكم. ومع ذلك، فإن استخدام وحدات متعددة خاصة بالمهام يعد مكلفًا وغير فعال لأن التكوينات المتعددة لا تزال مطلوبة لتشكيل نظام معياري متكامل.

بالإضافة إلى ذلك، يمكن أن تؤدي عملية التكامل إلى فقدان المعلومات حيث يتم تعديل العديد من المعلمات يدويًا.

ومع ذلك، يمكن مكافحة ذلك من خلال إجراء بحث سريع وعميق لتدريب نموذج ذكاء اصطناعي واحد بأساليب شاملة ومتعددة المهام.

يتيح ذلك للنموذج توفير عناصر تحكم ملاحية للمركبة المستقلة بناءً على الملاحظات التي تتم بواسطة أجهزة الاستشعار. لم يعد التكوين اليدوي مطلوبًا لأن النموذج يمكنه إدارة المعلومات بنفسه.

تكمن الصعوبة التي لا تزال تواجه نموذجًا شاملاً في كيفية استخراج معلومات مفيدة لوحدة التحكم لتقدير عناصر التحكم في التنقل بشكل صحيح.

يمكن التغلب على ذلك من خلال توفير كميات كبيرة من البيانات لوحدة الإدراك حتى تتمكن من فهم البيئة بشكل أفضل. بالإضافة إلى ذلك، يمكن تنفيذ تقنية اندماج المستشعرات لرفع الأداء لأنها تدمج أجهزة استشعار مختلفة للحصول على جوانب بيانات متعددة.

ومع ذلك، هناك حاجة إلى هذا النموذج الأكبر لمعالجة المزيد من البيانات ويسبب عبئًا حسابيًا كبيرًا.

علاوة على ذلك، فإنه يتطلب تقنية معالجة البيانات لأن أجهزة الاستشعار المتعددة يمكن أن تنتج طرائق بيانات مختلفة.

يمكن أن يتسبب التعلم غير المتوازن أثناء عملية التدريب أيضًا في حدوث مشكلات حيث يؤدي النموذج مهام الإدراك والتحكم في نفس الوقت.

تكرير الذكاء الاصطناعي

للتغلب على هذه القيود، طور الباحثون نموذجًا للذكاء الاصطناعي تم تدريبه على أساليب شاملة ومتعددة المهام تضمنت وحدتين رئيسيتين – الإدراك ووحدة التحكم.

تبدأ مرحلة الإدراك بمعالجة صور RGB وخرائط العمق من كاميرا RGBD واحدة.

ثم يتم استخراج المعلومات من وحدة الإدراك بالإضافة إلى قياس سرعة السيارة وإحداثيات نقطة المسار التي يتم فك تشفيرها بواسطة وحدة التحكم لتقدير عناصر التحكم الملاحية.

لضمان تنفيذ جميع المهام بالتساوي، يستخدم الفريق خوارزمية تسمى تطبيع التدرج المعدل (MGN) لموازنة إشارة التعلم طوال عملية التدريب.

استخدم الفريق التعلم بالمحاكاة، مما سمح للنموذج بالتعلم من مجموعة بيانات أكبر لتحقيق أداء شبه بشري. صمم الباحثون أيضًا الذكاء الاصطناعي لاستخدام عدد أقل من المعلمات من غيره لتقليل العبء الحسابي.