في عالم السيارات الذاتية القيادة، يعتبر دمج معلومات المستشعرات من الكاميرات و LiDAR والرادار أمرًا بالغ الأهمية لتحقيق أداء موثوق. ومع ذلك، يواجه الباحثون تحديًا كبيرًا يتمثل في دمج ميزات أنماط متعددة بشكل قوي، حيث تختلف موثوقية كل مستشعر بشكل كبير في ظروف القيادة المتنوعة، مثل الرؤية الضعيفة والطقس السيئ.

هنا يأتي دور الابتكار المتمثل في CRUISE، وهو إطار عمل جديد يتميز بتقييم عدم اليقين (Uncertainty Quantification - UQ) أثناء دمج إشارة المستشعرات المتنوعة. يسعى CRUISE إلى حل التحديات المرتبطة بتقييم مستويات عدم اليقين، حيث يعتمد عادةً على تقديرات بسيطة مما يؤدي إلى عدم الفعالية في السيناريوهات المعقدة.

تم تصميم CRUISE باستخدام وحدة موجهة من نموذج رؤية-لغة (Vision-Language Model - VLM) تقوم بإنتاج تقديرات دقيقة بمستوى البيكسل، مما يوفر معلومات غنية تُستخدم كدليل قوي لعملية الدمج. بالإضافة إلى ذلك، تم تطوير آلية تكييف ديناميكية لضمان استغلال الجوانب التكميلية المدعومة من المستشعرات المتعددة بشكل كامل.

هذا الابتكار يعد خطوة هامة نحو تعزيز موثوقية القيادة الذاتية في أكثر الظروف البيئية تحديًا، مما يمهد الطريق لمستقبل أكثر أمانًا في عالم النقل.