في عالم السيارات الذاتية، يعتبر الإدراك الموثوق والسريع أمراً بالغ الأهمية لضمان الأداء المثالي أثناء القيادة. ومع أن العديد من الأنظمة الحالية تعتمد على تقنيات التعلم العميق (Deep Learning) ودمج المستشعرات المتعددة، إلا أن هذه الحلول غالباً ما تتطلب تسريعاً عبر وحدات معالجة الرسوميات (GPU). في خطوة جديدة نحو تحسين التنقل الذكي، أُعلن عن وجود إطار عمل خفيف للاكتشاف يعتمد بشكل كلي على تقنية LiDAR.

هذا الإطار، الذي تم تصميمه خصيصاً ليعمل على وحدات المعالجة المركزية (CPU)، يجمع بين إزالة الأرض، وتعويض الحركة المستند إلى وحدة قياس التسارع (IMU)، وعناقيد DBSCAN، وتصنيف باستخدام غابة عشوائية (Random Forest) استنادًا إلى الميزات الهندسية. ما يميز هذا النظام هو تحليل أهمية الخصائص الذي قلل المدخلات للنموذج من 12 خاصية إلى 7، مع الحفاظ على الأداء الجيد.

عند تقييم هذا النظام على 2,371 عنقوداً مصنَّفاً تم جمعه من أحداث القيادة الذاتية، حقق الإطار معدل دقة (F1-score) قدره 98.33% وزمن استجابة إجمالي قدره 3.13 مللي ثانية على الأجهزة التي تعمل فقط مع وحدات المعالجة المركزية. بالإضافة إلى ذلك، تم إصدار مجموعة البيانات الجديدة، أداة التصنيف، والنماذج المدربة، مما يوفر أساساً عملياً وقابلاً للتكرار للفرق الأخرى في سباقات السيارات الذاتية ذات الموارد المحدودة.

تُظهر النتائج الفائقة لهذا الإطار العمل المبتكر وفائدته الكبير في تقديم حلول فعالة للتحديات التي تواجهها السيارات الذاتية، مما يفتح الأبواب أمام المزيد من الابتكارات في هذا المجال.