شهدت السنوات الأخيرة تطورات ملحوظة في تقنيات نماذج الرؤية واللغة (Vision-Language Models) والنماذج كبيرة اللغة (Large Language Models) والنماذج متعددة الوسائط (Multimodal Large Language Models)، مما ساهم في تحسين مهام القيادة الذاتية مثل فهم المشاهد، اتخاذ القرارات، توقع المسارات، والإجابة على الأسئلة البصرية (Visual Question Answering). ومع ذلك، يظل التقييم الدقيق لقدرة هذه النماذج على التفكير بشكل موثوق بشأن الحوادث الحرجة من التحديات الكبيرة.

للتغلب على هذا التحدي، تم تقديم معيار AUTOPILOT-VQA، الذي يعد مرجعاً لتقييم النماذج في فهم مقاطع الفيديو المسجلة بواسطة الكاميرات الميجانية (dashcam) مع التركيز على الحوادث. يهدف هذا المعيار إلى تقييم الأنظمة المختلفة من خلال أسئلة منظمة تدور حول الحوادث الحقيقية والمواقف القريبة من الحوادث، مما يوفر مجموعة بيانات تضم فئات متعددة ذات صلة بالسلامة، مثل ظروف الطقس والإضاءة، البيئة المرورية، تخطيط الطريق، حالة سطح الطريق، إشارات المرور، الكيانات المعنية، وقوع الحادث، موقع التأثير، والتفكير في قابلية تجنب الحوادث.

يتطلب AUTOPILOT-VQA من النماذج الإجابة على أسئلة مرتبطة بالخصائص السياقية للمشهد وتفاصيل الحادث، مما يجعلها تتجاوز مجرد التعرف على الكائنات إلى التفكير الآمن والزمني. من المتوقع أن يدعم هذا المعيار تطوير نظم رؤية ولغة أكثر وضوحاً وقوة ويعزز الوعي بالسلامة في بيئات القيادة الذاتية الحقيقية. سيكون هذا المعيار جزءًا من منافسة AUTOPILOT في مؤتمر CVPR 2026، موفراً معياراً موحداً لتقييم موثوقية أنظمة القيادة الذاتية في مختلف السيناريوهات.