في سعي العلوم الهندسية لتطوير السيارات الذكية، اتجه الباحثون نحو دمج تقنيات متقدمة لتحقيق أمان أكبر في القيادة الذاتية. واحدة من أبرز هذه الابتكارات هي DriveVLM-RL، وهو إطار جديد يجمع بين التعلم المعزز (Reinforcement Learning) ونماذج اللغة والرؤية (Vision-Language Models) بأسلوب مستوحى من علوم الأعصاب.

تحتاج أنظمة القيادة الذاتية إلى فهم سياقي غني لتجنب الحوادث، وقد كانت الأساليب التقليدية في التعلم المعزز تعتمد على إشارات奖励 بسيطة، مما جعلها محدودة وغير فعالة في ظروف العالم الحقيقي. هنا، يأتي دور DriveVLM-RL الذي يقدم حلاً مبتكراً.

يعتمد هذا الإطار على بنية مزدوجة المسار تشمل مساراً ثابتاً لتقييم السلامة المستمرة، يعززها أهداف لغوية متباينة مستندة إلى نموذج CLIP، بالإضافة إلى مسار ديناميكي يركز على استخدام نموذج كشف خفيف ونماذج لغة كبيرة (LVLM) لتحليل المخاطر بشكل أكثر دقة بواسطة سلسلة من الإطارات المتعددة.

تجمع آلية توليف المكافآت الهرمية بين معلومات حالة السيارة مع إشارات الخطر، مما يحسن من تجربة القيادة في مختلف السيناريوهات. من خلال تجارب موسعة باستخدام محاكي CARLA، أثبت DriveVLM-RL فعاليته العالية، حيث أظهر تحسناً ملحوظاً في تجنب التصادم والنجاح في المهام، محققاً أعلى معدلات النجاح مع تقليل شدة التصادم.

بهذا، يبدو أن DriveVLM-RL يمثل خطوة كبيرة نحو مستقبل آمن للقيادة الذاتية. يمكن لمزيد من التفاصيل كود النموذج، وفيديو العرض متاحة على الموقع الإلكتروني الخاص بالمشروع. هل أنتم مستعدون للانتقال في عالم القيادة الذاتية المتطورة؟ شاركونا آرائكم في التعليقات.