في عالم المحاكاة المغلقة للقيادة، تعتمد البيئة بشكل كبير على وكلاء مروريين غير بشريين يتصرفون بطريقة متشابهة، سواء من خلال مدراء المرور المعتمدين على القواعد أو من خلال نماذج تعلمت سلوكاً واحداً فقط. لكن ماذا لو كان بالإمكان إضافة تنوع أسلوبي للقيادة؟ هنا يأتي دور تقنية PersonaDrive.

تقدم PersonaDrive نظامًا مبتكرًا يقوم بتكييف وكيل قيادة متكامل بين الرؤية واللغة والتفاعل (Vision-Language-Action) بالاستناد إلى عروض القيادة التي يتم استرجاعها من مجموعة بيانات بشرية تم توجيهها بأساليب معينة. وقد تم تصميم هذه التجربة بمشاركة سائقين يقودون على طرق قائمة في منصة CARLA تحت تعليمات تتراوح بين العدوانية والحيادية والمحافظة.

تتكون العملية من ثلاث مراحل رئيسية:
1. **تعدين ثلاثي لعروض قيادة بشرية**، حيث يتم استخدام درجة تشابه الصورة والنص.
2. **تدريب عنوان استرجاع خفيف الوزن**، الذي يقوم بدمج السمات البصرية المجمدة مع وحدة تحكم صغيرة على قواعد بيانات أسلوبية فردية.
3. **التحسين النهائي لنموذج VLA** لمعاملة النقاط المسترجعة كسلوكيات عرضية خلال توقّعات النقاط.

عند مرحلة الاستدلال، يمكن لنموذج VLA ذاتي الآخر أن يتكيف مع أي أسلوب من خلال تبديل قاعدة البيانات المطلوبة دون الحاجة لإعادة تدريب محددة لكل أسلوب، مما يعزز من قدرة الوكلاء غير القابلين للقيادة على التعامل بطرق قريبة من الأسلوب البشري.

وأظهرت نتائج تجربة Bench2Drive أن PersonaDrive (دون تحديد أسلوب) قد حسنت من درجة القيادة بنسبة 4.6% مقارنةً بنموذج SimLingo، و2.5% مقارنةً بنموذج HiP-AD. وعندما يتم تطبيق تكييف الأسلوب، تصل درجة القيادة إلى أعلى مستوياتها في كل نمط ضمن مدار تقريبًا 2%، حيث يتجاوز نمط الضعيف أقوى نموذج مرجعي بحوالي 5.4%. ومع هذه التحسينات، ارتفعت سرعة ومتوسط التسارع بنسبة 18% و25% على التوالي من التعليمات المحافظة إلى العدوانية.

هذه التطورات تعتبر خطوة كبيرة نحو تحقيق محاكاة قيادة أكثر دقة وواقعية، مما يتيح للأبحاث المستقبلية استكشاف المزيد من السيناريوهات المعقدة.