تعتبر أنظمة الملاحة الذاتية (Turn-by-Turn Navigation) من العناصر الأساسية في تجربة القيادة الحديثة، حيث توفر تعليمات صوتية فورية توجه السائقين بأمان نحو وجهاتهم. ومع ذلك، غالباً ما تعتمد السياسات الحالية للإرشادات الصوتية على طرق تقليدية قد تؤدي إلى تفاقم الفوضى الذهنية للسائقين في بيئات القيادة المعقدة، مما يزيد من فرص التشتت أو فقدان الاتجاهات.

للتغلب على هذه التحديات، تم تطوير نموذج جديد يعيد صياغة توليد تعليمات الملاحة كمسألة تعلم متعددة المهام. من خلال تفكيك المحتوى الصوتي إلى تركيبات من عناصر قابلة للتعديل، ينتج النظام تعليمات صوتية تتماشى بشكل أفضل مع السياق المحيط. يعتمد الإطار الجديد على قوة معالجة المعلومات المكانية الزمنية بواسطة نماذج الشجرة Transformer وتوجيه النموذج المتعدد المهام Mixture of Experts (MoE) لتقديم تعليمات لحظية ذات وعي سياقي.

تم تنفيذ هيكل تعاوني بين السحابة والحافة (Cloud-Edge) لتحمل المتطلبات الحسابية للنموذج، مما يضمن الأداء الفعال والتفاعل الفوري في التطبيقات العملية. أظهرت النتائج التجريبية في العالم الحقيقي أن الطريقة المقترحة تقلل بشكل كبير من معدل انحراف المركبات عن المسارات المحددة مقارنة بالطرق التقليدية، مما يؤدي إلى تعليمات صوتية أكثر وضوحًا وفعالية.

تعتبر هذه الخطوة الأولى من نوعها في تطبيق التعلم العميق على الملاحة الصوتية خلال القيادة، ما يعد تقدمًا كبيرًا في تقنيات النقل الذكي ومساعدات القيادة. إن التطورات في هذا المجال قد تغير طريقة تعاملنا مع أنظمة الملاحة، مما يمنح السائقين تجربة أكثر ذكاءً وأمانًا على الطرق.