في عالم مستقبلي يشهد تسارعًا في تطوير تكنولوجيا السيارات الذاتية القيادة، يعد توقع الحركات أحد أهم العوامل التي تحدد فعالية هذه السيارات في بيئات ديناميكية. عادةً ما تعتمد التقنيات الحالية على فرضية بيئة مغلقة مع تصنيف ثابت للكائنات، مما يحد من قدرتها على استخدام المعلومات في بيئات حقيقية تقدم تحديات غير متوقعة.

في أحدث الأبحاث، تم تقديم مفهوم جديد يُعرف بتوقع الحركات المتزايد (Class-Incremental Motion Forecasting)، حيث يتم تقديم فئات جديدة من الكائنات بشكل متتابع، مما يسمح للسيارات بالتفاعل بشكل أفضل مع التغيرات المحيطة.

يتضمن الإطار المقترح طريقة شاملة تتكيف مع الفئات الجديدة دون فقدان المعرفة السابقة، مما يسهم في تخفيض مستويات النسيان الكارثي. من خلال استخدام نماذج طيفية مفتوحة، يقوم النظام بإنتاج تسميات زائفة لتوقع الحركة تتماشى مع الأقنعة ثنائية الأبعاد للكائنات.

تظهر التجارب التي تم إجراؤها على مجموعتي بيانات nuScenes وArgoverse 2 أن النظام المقترح يحافظ على الأداء الجيد للأصناف المعروفة أثناء التكيف مع الفئات الجديدة. كذلك، تم رصد قدرة النظام على الانتقال بشكل مباشر إلى ظروف القيادة الواقعية، مما يعكس فعالية هذه التكنولوجيا في تطبيقات الحياة الواقعية.

سيتم إتاحة الكود والنماذج للجمهور قريبًا، مما يمنح الباحثين والمهتمين فرصة لاستكشاف المزيد حول هذا التقدم التقني. هل تظنون أن هذه التقنية ستغير مستقبل السيارات الذاتية القيادة؟ شاركونا آراءكم في التعليقات!