تواجه السيارات الذاتية دائماً تحديات في مواقف القيادة، خاصة عندما يتعلق الأمر بالاعتراف بالعناصر الغير مألوفة في المشهد. ولتجاوز هذه العقبة، تم تقديم نظام CoLT-Drive، المخصص لتحسين القدرة على التنبؤ بقدرات القيادة في مواقف فريدة وصعبة. توضح الأبحاث أنه من المهم ليس فقط التعرف على العناصر النادرة، بل أيضاً تقييم كيف يمكن أن تؤثر هذه العناصر على القرارات الحيوية للسيارة.

CoLT-Drive يمثل معياراً جديداً مكوناً من 3,536 عينة، حيث يُدخل عناصر نادرة في مشاهد القيادة الثابتة لقياس مدى كفاءة النماذج في التنبؤ بأزواج العمل المقبولة. وبهدف تحسين أداء models# الصغرى القابلة للنشر، تم تصميم إطار التكيف المعرفي (Knowledge-Preserving Adaptation، KPA) الذي يجمع بين إدراك هيكلي وتوجيه قراري متماسك.

تظهر التجارب أن KPA حقق دقة بنسبة 60.8% في التنبؤ، متفوقاً على النموذج الأساسي Qwen3-VL-2B، مما يعكس فعالية هذا الابتكار.

يشكّل CoLT-Drive خطوة هامة في تطوير أدوات القيادة الذاتية المستقبلية، وهو يجعلنا نتساءل: كيف ستؤثر هذه التطورات على مستقبل قيادة السيارات؟