تعتبر قدرات تقييم المخاطر بدقة في السيناريوهات الحرجة للسلامة محورية لأنظمة القيادة الذاتية. على الرغم من أن الأبحاث الحالية حققت تقدمًا ملحوظًا في التنبؤ بالتصادمات، فإن الكفاءة في قياس مستويات المخاطر باستخدام مدخلات الرؤية أحادية العدسة لا تزال تمثل تحديًا عميقًا. تكمن الصعوبة في تعقيد التفاعلات بين الوكلاء المتعددين وعدم اليقين المدموج في البيئات الحقيقية.

لتلبية هذه التحديات، تم تقديم إطار NSF-HRPT، وهو نظام مبتكر يجمع بين التعلم القائم على الإدراك والتفكير الهيكلي لتقييم المخاطر الكمية. يتميز نهجنا بحقل دلالي عصبي (NSF) يقوم بتعلم نمذجة دلالات المشهد والتوقعات المسار والتوزيعات الاحتمالية لوقت التصادم (TTC) من بيانات المحاكاة.

أثناء الاستدلال، يعمل الـ NSF المدرب مسبقًا كمرجع لشجرة إدراك المخاطر الهرمية (HRPT)، مما يمكّن الحساب المتوازي الفعّال والتفكير المكاني حول مخاطر الوكلاء المتعددين. بالإضافة إلى ذلك، نقدم استراتيجية تحسين Sim2Real التي تعزز التطبيق العملي في العالم الحقيقي دون الحاجة لإعادة التدريب، وذلك من خلال تضمين الأولويات من نماذج الأساس.

تظهر التقييمات الشاملة أن إطار العمل الخاص بنا يحقق أداءً رائدًا ضمن المعيار الصناعي التنافسي، متفوقًا في دقة تقدير TTC ودقة تحديد المخاطر على مجموعات البيانات العالمية. بينما يوفر الأسلوب المقترح حلاً فعالاً للتوعية بالمخاطر في الوقت الحقيقي باستخدام مدخلات الكاميرات أحادية العدسة، مما يمهد الطريق لمستقبل أكثر أمانًا في مجال التنقل الذاتي.