في خطوة تُعتبر علامة فارقة في تقنيات القيادة الذاتية، تم الإعلان عن نهج مبتكر لتقدير الأشكال (shape) والاتجاهات (orientation) لمستخدمي الطرق، عبر استخدام الكاميرات الجانبية (RGB cameras) ورادارات ثلاثية الأبعاد (3D Radar). إن نظم التعلم العميق التقليدية، التي تُستخدم في أنظمة المساعدة للسائقين والمركبات ذاتية القيادة، تواجه صعوبات كبرى عند تطبيقها على البنية التحتية المثبتة على جوانب الطريق.

بينما تبقى أبعاد المركبات وزوايا سنسورها ثابتة نسبياً مما يسهل عملية التعلم الآلي، فإن التركيبات الجانبية تتباين بشكل كبير، مما يؤدي إلى عدم فعالية النماذج التقليدية. بدلاً من تطوير نظام معقد للتقدير المباشر للصناديق المحيطة (bounding boxes) ثلاثية الأبعاد، تم اقتراح نهج اقتصادي وفعال يتضمن مرحلتين لتقدير الشكل والاتجاه بشكل حقيقي.

في المرحلة الأولى، يُستخدم أي أسلوب موجود لاستخراج صناديق الكاميرا ثنائية الأبعاد والنقاط ثلاثية الأبعاد من الرادار لكل مستخدم للطريق. ثم تقوم المرحلة الثانية بمعالجة هذه المدخلات لبناء صناديق محيطة ثلاثية الأبعاد حيث تحدد بيانات الرادار الموقع ثلاثي الأبعاد، وتحدد القوالب المحددة مسبقاً الحجم لكل مستخدم، بينما تتنبأ شبكة عصبية صغيرة بزاوية التوجه (yaw angle) المثلى لمكان التثبيت.

تمت تجربة هذا الخوارزم بشكل ناجح على طريق منحنٍ مع تقاطع للمشاة والدراجات والسيارات، محققاً متوسط سرعة 25 إطار في الثانية على جهاز NVIDIA Jetson ORIN لتطبيقات الوقت الحقيقي.

هذا الابتكار يؤكد على كيفية تحسين الأداء وضمان سلامة مستخدمي الطرق بطريقة فعالة، مما يعد بوابة لمزيد من التطورات في مجال تكنولوجيا السيارات الذاتية القيادة.