في ظل التقدم السريع في مجال القيادة الذاتية، يعتبر التخطيط متعدد الأنماط (Multi-modal Planning) من أحدث التطورات التي تعد بين الأكثر بروزًا. فقد أظهرت الدراسات أن هذا النهج يعد واعدًا بفضل قدرته على تمثيل سلوكيات متعددة محتملة في السيناريوهات الغامضة أو الأقل شيوعًا. ومع ذلك، يشترك العديد من الطرق الحالية في نقاط ضعف معينة تتعلق باختيار أفضل مسار متاح، مما يؤثر سلبًا على أداء المركبات.

لمواجهة هذه التحديات، تم تطوير نموذج iDriveVLA، والذي يمثل إطارًا مبتكرًا يهدف إلى تحسين مساحة المسار المقترح وتعزيز عملية التقييم بشكل يعتمد على السياق. يقدم iDriveVLA مجموعة من العناصر الفريدة، بما في ذلك

1. **مقيم المسارات الموحد (Unified Trajectory Evaluator)**: والذي يتضمن مقياسًا قائمًا على الأمان لتقدير الجودة والمخاطر.
2. **منظم موجه بواسطة نموذج لغة متعددة (VLM-guided Modulator)**: يقوم بتعديل وزن المعايير بناءً على مشاهد الطريق.

تركز استراتيجية التدريب المتقدمة لهذا النموذج على تقنيات تحاكي الأداء المثالي وتضع معايير لتقييم المسارات بشكل يتماشى مع السيناريوهات الحقيقية. من خلال ذلك، حقق iDriveVLA أداءً غير مسبوق على منصة NAVSIM v1، حيث سجل نسبة 94.95 PDMS، متفوقًا بذلك على أداء الخبراء البشر.

إن iDriveVLA لا يمثل فقط تقنية جديدة، بل أيضًا خطوة كبيرة نحو تسريع تطوير المركبات الذاتية القيادة التي يمكنها التعامل بفعالية مع التعقيدات في شتى الظروف. كيف ترى تأثير هذه الابتكارات على مستقبل التنقل الذاتي؟ ندعوكم لمشاركة أرائكم في التعليقات!