تسعى الأبحاث الحديثة إلى تحسين الأمان والفعالية في القيادة الذاتية، حيث وجدت دراسات سابقة أن تواصل المركبات مع بعضها يزيد من سلامة القيادة. لكن التحدي يكمن في عدم فهم البشر للغة التواصل المستخدمة بين هذه المركبات. لهذا، أتيحت الفرصة لتطوير بروتوكول تجسيد إتصال المركبات - المركبات (V2V) باستخدام اللغة الطبيعية.

في هذا الإطار، تم ابتكار مشروع CoopReflect الذي يعتمد على نماذج اللغات الضخمة (Large Language Models) لتطوير وكلاء القيادة الذكية ودراسة تفاعلاتهم في بيئة محاكاة جديدة تُسمى TalkingVehiclesGym. هذه البيئة تُعزز من تقديم سيناريوهات حركة المرور التي من خلالها يمكن أن يساعد التواصل في تجنب الاصطدامات المحتملة ويدعم تدفق المرور بصفة عامة.

بينما كانت الوكلاء تعتمد فقط على التفكير المتسلسل، وهو ما عوق عملية التنسيق بفعالية، تم تقديم CoopReflect كإطار عمل للتعلم المتعدد الوكلاء، يمنح الوكلاء القدرة على توليد رسائل باللغة الطبيعية واتخاذ قرارات عالية المستوى من خلال التعلم من الأخطاء والتحليل المتعدد الوكلاء.

أظهرت التجارب أن CoopReflect يقوم بإنتاج رسائل أكثر معنى وفهماً بشرياً مقارنة بالأنظمة السابقة، مما يعزز من التعاون بين المركبات. إضافةً إلى ذلك، نجح الفريق في تحويل المعرفة المحددة بالسيناريوهات إلى سياسة نموذج لغوي موحد، مما يحقق تعميق الفهم عبر السيناريوهات المختلفة ويقلل بشكل ملحوظ زمن اتخاذ القرارات.

هل أنتم مستعدون لرؤية مستقبل القيادة الذاتية مع CoopReflect؟ تأكدوا من زيارة [الرابط] لمزيد من التفاصيل.