تعتبر المركبات الذاتية القيادة بحاجة ماسة إلى أنظمة استشعار سريعة وموثوقة للكشف عن السيارات المحيطة والمارة وراكبي الدراجات وإشارات المرور وغيرها من الأجسام المعنية على الطريق، بشكل لحظي. وفي هذا السياق، تقدم ورقة بحثية جديدة استعراضًا شاملًا وتحليلاً لتقنيات الكشف الأحادي في السيارات الذاتية القيادة بدلاً من تنفيذ نظام كشف جديد.

يتناول البحث تطور أبرز الكواشف الأحادية، بما في ذلك نماذج مثل YOLOv1، وSSD، وRetinaNet، وEfficientDet. بالإضافة إلى ذلك، يتم استعراض كواشف خالية من المنصات مثل FCOS وCenterNet، وكذلك النماذج الحديثة مثل YOLOv10 في سياق الأداء والزمن.

تستخدم الورقة أساليب مقارنة معمارية هذه النماذج بناءً على خيارات التصميم واستراتيجيات دمج الميزات، وطرق الخسارة، واعتبارات النشر، فضلًا عن الأداء المبلّغ عنه في المعايير الخاصة بها.

تشتمل الورقة أيضًا على ملخص لمجموعة من قواعد البيانات المستخدمة في القيادة الذاتية، ومعايير التقييم، والتحديات المفتوحة، والاتجاهات المستقبلية للبحث.

بشكل عام، توضح هذه الدراسة كيف توازن الكواشف الأحادية بين السرعة والدقة والكفاءة والموثوقية، بينما تبرز الفراغ المتبقي بين نتائج المعايير وأداء القيادة الذاتية الموثوق في العالم الحقيقي.

إذا كنت مهتمًا بتقنيات الذكاء الاصطناعي وتطلعاتها المستقبلية في مجال القيادة الذاتية، فإن هذا البحث يوفر نظرة شاملة
.