في عالم الذكاء الاصطناعي السريع التطور، تبرز الحاجة إلى نماذج ذكية تتمتع بقدرات فريدة في فهم اللغة وتجسيد الأحداث المستقبلية. يقدم الباحثون في دراسة جديدة نموذج DriveWLA، وهو نموذج مبتكر قائم على مفهوم World-Language-Action، المصمم خصيصًا لدعم الإمكانيات الذهنية لشبكات القيادة الذاتية.

يركز DriveWLA على التفاعل بين ثلاث خبراء رئيسيين: خبير العالم (World Expert) المتخصص في التنبؤ بالمستقبل، خبير اللغة (Language Expert) المعني بفهم المعاني، و خبير العمل (Action Expert) الذي يُعنى بتوليد المسارات المفيدة. بالإضافة إلى ذلك، يتميز النموذج بتقنية Cross-Expert Attention التي توفر تدفقًا منظمًا للمعلومات بين هؤلاء الخبراء، مما يساعد على التوافق بين التمثيلات الدلالية والديناميكية.

لرفع مستوى توليد المسارات، استخدمت الدراسة تقنية Flow-GRPO لتعزيز خبير العمل بعد مرحلة التدريب، مما أظهر أداءً متميزًا في التقييمات المختلفة. ونتيجة لذلك، حقق DriveWLA نسبة 92.3 PDMS في اختبار NAVSIM v1 و90.1 EPDMS في NAVSIM v2، مما يجعله يتفوق على نماذج أخرى قائمة على فهم اللغة. والأهم من ذلك، فقد أظهر DriveWLA قدرة قوية على التعميم في حالات جديدة مثل HUGSIM وnuScenes وBench2Drive، مما يضعه في مقدمة النماذج المستخدمة للقيادة الذاتية.

تقدم هذه النتائج شهادة قوية على فعالية DriveWLA كنموذج شامل ومبتكر، مما يفتح آفاقاً واسعة لمستقبل القيادة الذاتية.