في عالم تتزايد فيه أهمية الطائرات بدون طيار (UAV) في التطبيقات الحياتية، تصبح الحاجة إلى تقييم مواقع الهبوط الآمنة في البيئات غير المنظمة أمرًا ضروريًا. ولأجل ذلك، تم تقديم إطار العمل NeuroSymLand، الذي يسعى إلى معالجة التحديات التي تواجه أساليب التعلم الحالية.

تواجه النماذج السابقة نقصًا في الشفافية وصعوبة في تفسير القرارات، مما يجعل من الصعب استخدامها على المنصات ذات الموارد المحدودة. يأتي NeuroSymLand كحل مبتكر يفصل بين نمذجة العالم المدفوعة بالرؤية والتفكير المنطقي القائم على القواعد.

حيث يقوم نموذج تقسيم خفيف الوزن بإنشاء رسم بياني احتمالي للمشهد، مشفراً العناصر والخصائص والعلاقات المكانية. وتُنفذ قواعد الأمان الرمزية، التي تم تطويرها باستخدام نماذج اللغات الكبيرة (Large Language Models) وتحسينها بمشاركة البشر، مباشرةً على هذا النموذج أثناء التشغيل، مما يسمح بتفكير شفاف وإصدار تقييمات مدعومة بتفسيرات يسهل فهمها.

خلال 72 سيناريوً محاكيًّا وهبوط فعلي، حقق NeuroSymLand 61 تقييمًا ناجحًا، متفوقًا على أربعة نماذج منافسة، حققت نجاحًا تراوح بين 37 و57 عملية نجاح. تُظهر التحليلات النوعية تفوقه في القابلية للتفسير وشفافية التفكير، بينما يكون تكاليف التشغيل على الأجهزة منخفضة.

تشير النتائج إلى أن الجمع بين نمذجة العالم الواضحة والتفكير الرمزي يمكن أن يدعم تقييم أمان دقيق وقابل للتفسير ويمكن نشره على الطرفيات في الأنظمة المتحركة، كما تم إثبات ذلك من خلال تقييم مواقع هبوط الطائرات بدون طيار.