في عالم المركبات الذاتية القيادة، يصبح التواصل الفعال مع مستخدمي الطريق أساسياً لاستمرار ثقة الجميع في هذه التكنولوجيا المتقدمة. أجهزة الواجهة البشرية الآلية الخارجية (eHMIs) تلعب دوراً مهماً في نقل نوايا المركبات، ولكن معظم الدراسات الحالية تعتمد على أزواج الرسائل-الإجراءات التي يصنعها المطورون، مما يشكل تحديات في سياقات المرور المختلفة.

تظهر See2Refine كحل مبتكر لتحقيق إدماج نموذج اللغة الكبيرة (LLM) كمصمم للأعمال التي تولد أوامر eHMI قائمة على السياق. يتجاوز هذا الفريمورك الحاجة إلى التقييم البشري باعتماده على نماذج الرؤية-اللغة (VLM) لتقديم تقييم بصري آلي، مما يجعل عملية تحسين التصاميم أكثر كفاءة.

بفضل See2Refine، يتمكن المصمّمون من استغلال معلومات دقيقة عن السياق المروري لإنتاج أوامر تأخذ بعين الاعتبار التغيرات الديناميكية في بيئة القيادة. وقد أظهرت التجارب أن هذا النظام يتفوق باستمرار على الأنظمة التقليدية التي تعتمد فقط على المدخلات الثابتة أو التقييمات اليدوية.

ببساطة، يعد See2Refine خطوة مهمة نحو تحقيق التواصل الفعال بين المركبات الذاتية القيادة ومستخدمي الطريق، مع قدرة استثنائية على التكيف مع مختلف سيناريوهات القيادة. ما رأيكم في هذا الابتكار؟ شاركونا في التعليقات.