في إطار التقدم الملحوظ الذي حققته نماذج الرؤية-اللغة (Vision-Language Models) في مختلف المهام، أثيرت التساؤلات حول إمكانية تطبيقها في مجالات القيادة الذاتية. ولكن قبل الوثوق بهذه الأنظمة في بيئة دقيقة مثل المرور، يجب أن تمتلك قدرات قوية في الإدراك، أي أن تكون قادرة على فهم مشاهد المرور بشكل متكامل رغم التعقيد الذي قد تحمله.

تعتبر قدرة الأنظمة على إدراك الأشياء الأبعد من 30 متراً أمراً بالغ الأهمية، فلا يكفي أن تكون قادرة على التحليل على مسافات قريبة فقط. لذلك، تم تصميم معيار جديد يسمى "الإجابة على الأسئلة المتعلقة بإدراك الحركة الموصوفة بواسطة المسافة" (Distance-Annotated Traffic Perception Question Answering - DTPQA).

يعد DTPQA معياراً لتقييم الأنظمة الذكية في سياقات المرور من خلال طرح أسئلة بسيطة لكنها ضرورية تتعلق باتخاذ القرارات أثناء القيادة. يتكون هذا المعيار من شقين رئيسيين: الأول هو معيار صناعي (DTP-Synthetic) تم إنشاؤه باستخدام محاكي، والثاني هو معيار للطبيعة الحقيقية (DTP-Real) يعتمد على صور حقيقية لمشاهد المرور.

يتضمن كل عينة من DTPQA صورة، سؤالاً، إجابة صحيحة، والمسافة بين الكائن المعني والكاميرا. يتيح ذلك تحليل كيفية تراجع أداء النماذج مع زيادة مسافة الكائنات.

في هذا السياق، يقدم الباحثون مجموعة البيانات نفسها، جنبا إلى جنب مع سكربتات بايثون المستخدمة لإنشائها، مما يتيح إمكانية توليد بيانات إضافية على نفس المنوال.

ما رأيكم في هذه الخطوة الجديدة نحو تحسين تقنيات القيادة الذاتية؟ شاركونا آراءكم في التعليقات.