شهدت [تقنيات الذكاء الاصطناعي](/tag/[تقنيات](/tag/تقنيات)-الذكاء-الاصطناعي) مؤخرًا تقدمًا ملحوظًا في مجالات متعددة، وقيادة [السيارات الذاتية](/tag/السيارات-الذاتية) ليست استثناءً. تظهر [نماذج الانتشار](/tag/[نماذج](/tag/نماذج)-[الانتشار](/tag/الانتشار)) (Diffusion [Models](/tag/models)) كخيار واعد لاستخدامها في مهام [اتخاذ القرار](/tag/اتخاذ-القرار) في robotics، لكن تطبيقاتها في [القيادة الذاتية](/tag/[القيادة](/tag/القيادة)-الذاتية) لا تزال محدودة. في هذا السياق، أجرت [دراسة](/tag/دراسة) شاملة تهدف إلى [استكشاف](/tag/استكشاف) الإمكانيات الكاملة لنماذج [الانتشار](/tag/الانتشار) كمنظمين لمهام [القيادة الذاتية](/tag/[القيادة](/tag/القيادة)-الذاتية) الكاملة (End-to-End Autonomous Driving - E2E AD).
استندت [الدراسة](/tag/الدراسة) إلى كمية هائلة من [بيانات](/tag/بيانات) المركبات الحقيقية واختبارات الطرق، حيث أجريت تحقيقات منهجية لدراسة كيفية [تحسين](/tag/تحسين) [نماذج الانتشار](/tag/[نماذج](/tag/نماذج)-[الانتشار](/tag/الانتشار)). تم تحديد [رؤى](/tag/رؤى) رئيسية حول [فضاء](/tag/فضاء) خسارة الانتشار، تمثيل المسارات، وتحجيم [البيانات](/tag/البيانات) التي تؤثر بشكل كبير على [أداء](/tag/أداء) [التخطيط](/tag/التخطيط) في [القيادة الذاتية](/tag/[القيادة](/tag/القيادة)-الذاتية). بالإضافة إلى ذلك، قدم الباحثون [استراتيجية](/tag/استراتيجية) فعالة للتعلم التعزيزي بعد [التدريب](/tag/التدريب) لتعزيز [سلامة](/tag/سلامة) وموثوقية المحاكي الذي تم تعلمه.
تم [نشر](/tag/نشر) إطار [التعلم](/tag/التعلم) القائم على [نماذج](/tag/نماذج) الانتشار، المعروف باسم مخطط [الانتشار](/tag/الانتشار) الفائق (Hyper Diffusion Planner - HDP)، على [منصة](/tag/منصة) مركبة حقيقية وتم تقييمه [عبر](/tag/عبر) 6 سيناريوهات [قيادة](/tag/قيادة) حضرية و200 كيلومتر من [اختبارات](/tag/اختبارات) العالم الحقيقي. حقق HDP تحسنًا ملحوظًا بعشر مرات في [الأداء](/tag/الأداء) مقارنة بالنموذج الأساسي.
تظهر هذه النتائج أن [نماذج](/tag/نماذج) الانتشار، عند تصميمها وتدريبها بشكل صحيح، يمكن أن تكون خططًا فعالة وقابلة للتوسع لمهام [القيادة الذاتية](/tag/[القيادة](/tag/القيادة)-الذاتية) المعقدة في العالم الحقيقي. تطلعاتنا المستقبلية بشأن [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) في السيارات تمثل طفرة في الابتكار، فهل أنتم مستعدون لمتابعة هذه التطورات؟
استكشاف إمكانيات نماذج الانتشار في قيادة السيارات الذاتية الكاملة
تسعى دراسة جديدة لاستغلال نماذج الانتشار (Diffusion Models) في القيادة الذاتية الكاملة، محققة تحسنًا كبيرًا في الأداء. تقدم النتائج رؤى جديدة حول كيفية تحسين هذه النماذج لتكون أكثر فعالية في ظروف القيادة الحقيقية.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
