في عالم تتجه فيه التكنولوجيا نحو تعزيز أنظمة القيادة الذاتية، تعد محاكاة الحركة الواقعية للمرور أمرًا بالغ الأهمية. تقدم AutoWorld إطارًا مبتكرًا يهدف إلى تحسين هذه العملية من خلال الاستفادة من البيانات الحقيقية القادمة من مستشعرات LiDAR. بدلاً من الاعتماد التام على التجريفات عالية المستوى مثل الصناديق الثلاثية الأبعاد (3D Bounding Boxes) أو الخطوط المتعددة (Polylines) التي تفقد الكثير من السياق الحسي، تستخدم AutoWorld نماذج ذاتية الإشراف (Self-Supervised World Models) لبناء سلوكيات وكيلة تتسم بالواقعية والعمق.

يعمل هذا النظام من خلال خطوات متباينة، حيث يعتمد أولاً على بيانات LiDAR لخلق سياق ديناميكي لحركة المرور. بعد ذلك، يتم إنتاج نموذج حركة متعددة الوكلاء (Multi-Agent Motion Generation Model) بتوقعات تم قياسها عن كثب. تم تصميم هدف إشراف كامن مدرك للحركة (Motion-Aware Latent Supervision Objective) لتعزيز تمثيل AutoWorld للديناميات الموجودة في المشهد.

تظهر نتائج التجارب على تحدي وكلاء Waymo (WOSAC) قدرة AutoWorld على تحقيق أداء تنافسي، مما يبرز فعاليته خاصة في السيناريوهات ذات الرؤية المحدودة. علاوة على ذلك، يبرهن التعليم على أهمية توظيف بيانات LiDAR بشكل أفضل، مما يجعل النظام أكثر قدرة على تحسين الأداء مع تزايد حجم البيانات المستعملة.

ليس فقط أن هذه التقنيات تدعم شكلًا جديدًا من المحاكاة، بل إنها تمهد الطريق أيضًا لمزيد من التصورات الدقيقة والتوقعات المتعلقة بحركة المرور المستقبلية. هل أنت مستعد للانغماس في عالم AutoWorld المتقدم؟