في عالم القيادة الذاتية، تعد القدرة على **اكتشاف نية تغيير المسار** جزءًا حيويًا لزيادة أمان وفعالية التنقل. الباحثون قاموا بتطوير تقنية جديدة تعتمد على نموذج **Dual Neural-Calibrated Interacting Multiple Model (DNC-IMM)**، الذي يعزز من قدرة النظام على التكيف مع المعلومات السياقية للقيادة دون فقدان الهيكل الاحتمالي والفهم التقليدي للنماذج المستخدمة.

تتميز هذه التقنية بقدرتها على **ترميز المعلومات السياقية** للقيادة، مثل حركة السيارات المستهدفة والفجوات بين المركبات المحيطة والسرعات النسبية. يتم استخدام شبكة عصبية لضبط كل من مصفوفة **انتقال الاحتمالات** و**احتمالات القياس**، مما يتيح تحديد النية النهائية للتغيير بناءً على وضعية النموذج بعد معالجته، بدلاً من الاعتماد على مصنف مباشر منفصل.

أظهرت التجارب على مجموعة بيانات **highD** أن هذه الطريقة تؤدي إلى تحسين كبير في اكتشاف نوايا تغيير المسار قبل عبور الخطوط، مع أداء قوي بشكل خاص في فترات التنبؤ المبكرة التي تتراوح من 2-3 ثوانٍ. مما يدل على أن الاستخدام الذكي للمعلومات السياقية يمكن أن يعزز من توقعات النظام ويقلل من الحوادث المرتبطة بتغيير المسار.