في عالم الذكاء الاصطناعي المتقدم، تعتبر عملية اتخاذ القرارات من التحديات المهمة، خاصةً عند تطبيق النظم المدربة على مواقع جديدة حيث يختلف أسلوب الاستشعار. في مثل هذه الحالات، قد تتغير الملاحظات من حيث الدلالة والأبعاد، حتى عندما تظل الأهداف الأساسية وسلوكيات العمل مشابهة.

في هذا السياق، يركز الباحثون في دراستهم على التخطيط القائم على النماذج في ظل عدم تطابق الملاحظات وكيفية التعامل مع هذه التحديات باستخدام النظام المقترح، وهو "نموذج مرن متكيف (Adaptive Modularized Model - AMM)". يتميز هذا النظام بهيكله المودولي الذي يفصل بين مُكيّف الملاحظات الخاص بالمجال ونموذج الديناميات الداخلي المشترك المُعرّف في فضاء التخطيط العام.

يتم تعلم نموذج الديناميات من مجالات متعددة، مما يسمح بالتكيف السريع مع تفاعل محدود مع المجال المستهدف. خلال وقت التشغيل، يقوم نموذج AMM بالتخطيط عن طريق استخدام تقنية الآفاق المتراجعة، حيث يقوم بتوليد سلسلة من الإجراءات المرشحة بناءً على الديناميات المتعلمة واختيار الإجراءات التي تحقق الأهداف المحددة على المدى المتوقع.

تطبيق هذه الطريقة في مجال التحكم في إشارات المرور يُظهر كيف يمكن لنموذج AMM تحسين الأداء والكفاءة بشكل ملحوظ مقارنةً بالمراقبون التقليديون والأنظمة المستندة إلى التعلم، حيث تتعلق الإجراءات بمرحلات الإشارة، بينما يركز الهدف التخطيطي على تقليل الازدحام.

تأتي نتائج التجارب لتؤكد فعالية هذا الابتكار وترسم ملامح مستقبل أفضل لإدارة المرور باستخدام الأتمتة والذكاء الاصطناعي. هل أنت مستعد لاكتشاف كيف يمكن لهذه التقنيات أن تغير وجه حركة المرور في مدينتك؟