تعتبر نماذج الرؤية-اللغة (Vision-Language Models) أحد الابتكارات الرئيسية في تقنية القيادة الذاتية، حيث تلعب دوراً حيوياً في فهم المشهد والتحليل الآني للمخاطر. لكن هل تساءلت يوماً عن مدى قوة هذه النماذج في التأقلم مع الظروف غير المستقرة؟

أظهرت الأبحاث الأخيرة أن تحليل الاستقرار يعتمد عادة على تقنيات الاستقرار العامة بدلاً من التركيز على أداء المهام المحددة. وتظهر هذه الدراسة الجديدة كيف يمكن لتغيرات معينة في بيانات الإدخال، مثل التشويش، أن تؤثر على نتائج نماذج الكشف عن المخاطر. إذ يتم اختبار نماذج الخطورة الناتجة عن مقارنات تشابه الصورة والنص بين النماذج المختلفة.

عبر تنفيذ تجارب على مشاهد طرق من قاعدة بيانات BDD100K، تم الكشف عن أن العلاقة بين تغيرات التمثيل وضعف القرار لا تعتمد على السياق فقط، بل تختلف بحسب نوع التشويش المستخدم. فتظهر بعض الأنماط ارتباطًا قويًا بين تغيرات التمثيل والاستقرار في قرارات الكشف، بينما تعاني أنماط أخرى من عدم استقرار خطر على الرغم من تغييرات معتدلة في التمثيل.

علاوة على ذلك، تبين أن أنواع التشويش تؤثر على اتجاه الفشل؛ حيث تميل معظمها إلى تقليل اكتشافات المخاطر من خلال الإنذارات الكاذبة، بينما تؤدي بعض الأنماط، مثل الحجب، إلى تنبيهات خاطئة. وهذا يشير إلى الحاجة الماسة إلى تقييم تصميم المؤشرات القياسية، مع الأخذ بعين الاعتبار أساليب الفشل غير المتناظرة بدلاً من التركيز فقط على معدلات عدم الاستقرار بشكل عام.

تشير هذه النتائج المهمة إلى أن مقاييس الاستقرار يجب أن تشمل عناصر تتعلق بمستوى أداء المهام إلى جانب إحصاءات التغير في مستوى التمثيل. فإن دمج هذه العناصر سيعزز من موثوقية نماذج القيادة الذاتية ويعزز من سلامة القيادة في المستقبل.