MORPH-U: خطة حركة متعددة الأهداف لقيادة ذاتية قوية في بيئات مليئة بالشكوك

في العالم المتسارع للذكاء الاصطناعي، تُعد القيادة الذاتية واحدة من أكثر التقنيات المثيرة للاهتمام. ورغم الفوائد التي تحملها، تواجه هذه التقنية تحديات كبيرة، خاصة عند التعامل مع ظروف غير مؤكدة. هنا يأتي دور MORPH-U، نظام ذكاء اصطناعي مبتكر مُصمم لتخطيط الحركة بمرونة وقوة في البيئات المعقدة.

يعتمد MORPH-U على تقنية V2X (Vehicle-to-Everything) لتحذير المركبات الذاتية القيادة من المخاطر التي قد لا تكون مرئية. ولكن، مما لاشك فيه أن هذه التقنية تعزز من مستوى عدم اليقين، حيث قد تتأخر أو تُفقد الرسائل أو حتى يتم تزويرها. بالإضافة إلى ذلك، تغير معرفة الخريطة أثناء الرحلة، مما يستدعي إعادة تخطيط المسار ضمن توقعات زمنية مضغوطة.

تناقش هذه الورقة البحثية كيفية تعزيز تخطيط الحركة والرقابة على المستوى المنخفض لجعلهما قويين أمام هذه التحديثات غير المؤكدة. يقدم النظام منصة مُحسّنة تعتمد على CARLA (مُح simulatore) تعمل على دمج المعلومات الواردة من LiDAR والرادار والكاميرات مع معلومات V2X لتشكيل خريطة دينامية محلية (Local Dynamic Map- LDM). في حال حدوث أي تغييرات على الطريق أو اكتشاف المخاطر, يتم تفعيل إعادة تخطيط المسار عبر تقنية Hybrid-A*.

من خلال تحليل متعدد الأهداف، تم الكشف عن التبادلات بين العوامل المختلفة مثل دقة التتبع، هامش الأمان، الاستجابة، والنعومة. يتم اختيار نقاط التشغيل باستخدام تحليل حدود Pareto، مما يسمح بتحسين دقيق بين دقة الراحة.

لضمان عدم حدوث إعادة تخطيط غير آمنة بسبب رسائل V2X خاطئة، يضيف MORPH-U بوابة لقبول مستوحاة من نظام Byzantine، تجمع بين قواعد القبول وحق الفيتو من حساسيات المركبة.

أثبتت التجارب في سيناريوهات ديناميكية داخل CARLA أن دمج LDM المعزز بـ V2X يحسن من السلامة العامة. وعلاوة على ذلك، يوفر ضبط Pareto توازناً قابلاً للتحكم بين الدقة والراحة، بينما تمنع البوابة إعادة التخطيط في حالات الهجوم الزائف.

إن MORPH-U يمثل خطوة مهمة نحو تحقيق قيادة ذاتية آمنة وفعالة بين التحديات التي قد تظهر في الطرق الحقيقية. كيف تعتقد أن تكنولوجيا مشابهة ستحسن من سلامة القيادة الذاتية في المستقبل؟ شاركونا آرائكم في التعليقات.