في عالم القيادة الذاتية الذي يتطور بسرعة، تظهر تقنيات جديدة تحمل في طياتها وعودًا كبيرة. من بين تلك الابتكارات، يتألق DeepIPCv2، وهو إطار شامل للقيادة الذاتية يعتمد على تقنيات LiDAR (Light Detection and Ranging) لرؤية بيئية دقيقة.

على عكس النماذج التقليدية التي تعتمد على الكاميرات، يتيح DeepIPCv2 استخدام تقسيم السحب النقطية (point cloud segmentation) وعرض المناظر المتعددة (multi-view projection) لبناء تمثيلات قوية للمشاهد المحيطة. يجمع هذا النظام بين وحدات تناوبية محصورة (gated recurrent units)، وطبقات متعددة من الخلايا العصبية الموجهة للأوامر (command-specific multi-layer perceptrons)، ووحدات التحكم PID (PID controllers) لتقدير نقاط الطريق وأوامر التحكم في الملاحة.

تساهم هذه التصميمات المتقدمة في تعزيز قدرة السيارة على المناورة ومعالجة عدم التوازن في بيانات القيادة، مما يجعل منها نظامًا يفي بالتحديات الواقعية.

وللتحقق من كفاءة النموذج، تم إنشاء مجموعة بيانات تغطي مجموعة متنوعة من ظروف الإضاءة، بالإضافة إلى إجراء دراسات شاملة واختبارات مقارنة مع تقنيات حديثة مثل TransFuser. أظهرت النتائج أن DeepIPCv2 يحقق أقل انخفاض في مقاييس الخطأ الكلي وأقل تدخلات في القيادة، مما يشدد على قدرته الفائقة على التعامل مع التغيرات في الإضاءة ودقة التحكم المحسنة.

لضمان استنساخ هذه التكنولوجيا ودعم التطورات المستقبلية في أبحاث القيادة الذاتية، سيتم إصدار التعليمات البرمجية الخاصة بـ DeepIPCv2 عبر الرابط https://github.com/oskarnatan/DeepIPCv2 قريبًا.