في عالم يتسارع فيه التطور التكنولوجي، يظهر نموذج Auto-JEPA كواحد من أبرز الابتكارات في مجال القيادة الذاتية (Autonomous Driving). غالباً ما تتطلب النماذج الحالية للقيادة الذاتية قدرة على التنبؤ بالمستقبل بشكل كثيف، مثل استشراف الفيديوهات المستقبلية، حالات الاشغال، والتمثيلات التي تعتمد على رؤية الطائرات بدون طيار (BEV) أو حركة الوكلاء. ومع ذلك، يظهر بحث جديد أن التخطيط لا يحتاج بالضرورة إلى إعادة بناء العالم بالكامل، بل يمكن أن يركز فقط على الميزات التي تؤثر في أفعال القيادة المستقبلية.

نموذج Auto-JEPA، الذي يُعرف بأنه نموذج لعالم خفي مُعتمد على النية المستمرة، يتميز بتعلم نوايا القيادة المستقبلية عبر تنبؤات مدفوعة بالمشتركات. فهذا النموذج يمكنه استغلال الملاحظات البصرية، وتاريخ حركة الذات، وأوامر الملاحة لتوقع نية القيادة. تُعد تنبؤات Auto-JEPA متوافقة مع تمثيل خفي لمسار القيادة المستقبلية، مما يمكن النموذج من استرداد مسارات تنفيذية من ذاكرة مسارات ثابتة.

يتميز نموذج Auto-JEPA بعدة عوامل جذب، منها أنه يحتفظ بموصل بصري مجمد، ولا يتطلب أي ملاحظات إدراكية واضحة، ولا يستخدم مولد مسار متعلم. إذ يركز على تحسين وحدات معينة مثل تمثيل المسارات، وتنبؤ النوايا، واختيار المرشحين، مما يُمكّن النموذج من تحقيق أداء مرتفع. حيث بلغ Auto-JEPA معدل 91.3 PDMS على NAVSIM v1 و89.1 EPDMS على NAVSIM v2.

أظهرت تجارب الإخفاء الدلالي أن إخفاء مناطق الوكلاء الديناميين يُحدث تغييرًا في النية بمعدل 2.97 ضعف مقارنةً بالإخفاء العشوائي للمناطق ذات المساحة المماثلة. أيضًا، الإخفاء للسيارات التي تؤثر في القيادة المستقبلية يُغير بشكل كبير النية المتوقعة والمسار المختار، في حين أن الأمر يبقى دون تغيير مع إخفاء السيارات غير المؤثرة. تُظهر هذه النتائج كيف أن التركيز على التنبؤ بالنوايا المستقبلية يُشجع النموذج على التركيز على الميزات البصرية ذات الصلة بالتخطيط، مما يدعم تخطيطًا عالي الجودة دون الحاجة لنمذجة عالم المستقبل بشكل مكتمل.

إن نموذج Auto-JEPA يقدم لنا لمحة مثيرة عن مستقبل القيادة الذاتية، ويعيد تعريف كيفية تفاعل الآلات مع البيئة المحيطة بها. ما رأيكم في هذا التطور المذهل؟ شاركونا في التعليقات!