في عالم يتطور بسرعة نحو القيادة الذاتية، يظهر التحدي الأكبر في كيفية تعزيز قدرات السيارات بشكل فعّال. تعتمد فعالية القيادة الذاتية بشكل كبير على توزيع السيناريوهات التي تتعرض لها أثناء التدريب. في هذا الإطار، تقدم دراسة جديدة إطار عمل يعتمد على نظرية لامارك(واحدة من النظريات التطورية) لاستكشاف استراتيجيات متعددة لتحسين تدريب القيادة الذاتية.

لكن ما هو الجديد في هذا البحث؟ في السابق، كانت الطرق التقليدية تعتمد بشكل أساسي على محددات مسبقة مثل الواقعية أو الصعوبة، مما قد يؤدي إلى سوء تقدير القيمة التدريبية وخلق هدر في الموارد. لذلك، اقترح الباحثون استخدام إطار نموذجي يعتمد على المنافسة بين توزيعات السيناريوهات المختلفة، مما يتيح استغلال الموارد بشكل أفضل.

يدمج هذا الإطار بين تقنيات التطور الدارويني(مثل التهجين والتحور والاختيار) لتشكيل توزع سيناريوهات متعددة، مع عملية تعلم السياسات التي تحقق قدرات جديدة. ثم يتم توريث هذه القدرات في مراحل التدريب التالية، مما يساهم في تطور مشترك بين توزيعات السيناريوهات وقدرات السياسات.

لقد أثبتت التجارب أن هذا النهج يحسن الأداء بمعدل يصل إلى 25.07% مقارنةً بالأساليب التقليدية، كما أن الاستراتيجية الخفيفة المستندة إلى نفس المبدأ حققت تخفيضاً بمعدل 19.13%.

تؤكد هذه النتائج أن المنافسة التطورية لا تساعد فقط في اكتشاف استراتيجيات تدريب فعالة، بل أيضًا تكشف عن أنماط قابلة لإعادة الاستخدام في كيفية تغير قيمة توزيعات التدريب مع تقدم قدرات السياسات.

للمزيد من التفاصيل، يمكنك الاطلاع على الكود المتاح على GitHub.