في عصر يتزايد فيه الاعتماد على نماذج الذكاء الاصطناعي (AI) في مجالات متعددة، تبرز الحاجة إلى ضمان توافق هذه النماذج مع الواقع، وخاصةً في مجالات حساسة مثل القيادة الذاتية. حالياً، تُستخدم نماذج الذكاء الاصطناعي لتوليد سيناريوهات تضيف عمقاً لعمليات المحاكاة، لكن غالباً ما تواجه نقصاً في الشفافية ومعلومات حول كيفية تعلم هذه النماذج.

لذا، قدم الباحثون بروتوكولاً جديداً للتقييم يتكون من خمس طبقات تركز على قياس مدى توافق المعلومات المستخلصة من النماذج مع ديناميكيات المركبات في العالم الحقيقي. الطبقات الأربعة الأولى تشمل تحليل التوافق الحركي، مقارنة الإحصائيات الأساسية، التحكم في العناصر الكامنة، وتحليل النشاط، بينما تتعلق الطبقة الخامسة بتقييم مخرجات النموذج وفقاً للقيود الفيزيائية مثل حدود الاضطراب الجانبي.

تم إثبات فعالية هذا البروتوكول على مولد سيناريوهات قائم على نموذج مشفر متغير (Variational Autoencoder - VAE). ورغم أن المعايير المعتادة والمخرجات المرئية تشير إلى واقع السيناريوهات المولدة، إلا أن البروتوكول الجديد يتيح فهماً أعمق لتوازن الفضاء الكامن مع الخصائص الحركية وما إذا كانت المسارات التي تبدو مقبولة بصرياً تتوافق مع القيود الديناميكية للمركبات. وبالتالي، يمتد تطبيق هذا البروتوكول ليشمل نماذج توليد إضافية، مما يعزز من قيمته في تعزيز السلامة في استخدامات الذكاء الاصطناعي.