استكشف كيف تتيح الرؤية الحاسوبية في السيارات ذاتية القيادة إمكانية الإدراك واتخاذ القرارات في الوقت الفعلي، مما يحسّن السلامة وتجربة القيادة بشكل عام.
لم تعد السيارات ذاتية القيادة مجرد فكرة مستقبلية، بل أصبحت واقعاً ملموساً مدفوعاً بالتطورات في مجال الذكاء الاصطناعي (AI) للقيادة الذاتية. وتعتمد هذه السيارات اعتماداً كبيراً على أنظمة الذكاء الاصطناعي المتقدمة، وخاصةً الرؤية الحاسوبيةلفهم وتفسير العالم من حولها. تُمكِّنها هذه التكنولوجيا من تحديد الأجسام، والتعرف على علامات الطريق، والتنقل بأمان في البيئات المعقدة في الوقت الحقيقي.
مع سوق السيارات ذاتية القيادة العالمية الذي بلغت قيمته أكثر من 27 مليار دولار أمريكي في عام 2021 - ومن المتوقع أن ينمو إلى ما يقرب من 62 مليار دولار بحلول عام 2026 - فمن الواضح أن الذكاء الاصطناعي للقيادة الذاتية للقيادة الذاتية يُشكِّل مستقبل النقل. في هذه المقالة، سنلقي نظرة فاحصة على كيفية تطبيق الرؤية الحاسوبية في السيارات ذاتية القيادة، والتي تغطي التطبيقات الرئيسية مثل اكتشاف المشاة والتعرف على إشارات المرور وأنظمة الحفاظ على المسار، مع عرض كيف تعمل هذه الابتكارات على تغيير مستقبل القيادة.
يمكن للذكاء الاصطناعي أن يساعد السيارات ذاتية القيادة بشكل كبير في فهم محيطها واتخاذ القرارات في الوقت الفعلي. دعونا نستكشف كيف يساعد الذكاء الاصطناعي، من بين تطبيقاته العديدة، في اكتشاف المشاة والتعرف على إشارات المرور، وهما عنصران أساسيان يعززان موثوقية القيادة الذاتية.
تستلزم القيادة تركيزاً ووعياً مستمرين بما يحدث حولك أثناء القيادة. يمكن أن يساعد الذكاء الاصطناعي في السيارات ذاتية القيادة في جوانب لا حصر لها من الاستخدام اليومي لسياراتنا. على سبيل المثال، يمكن للذكاء الاصطناعي أن يلعب دوراً مهماً في الحفاظ على سلامة المشاة من خلال رصدهم والتنبؤ بتحركاتهم. وفقاً لـ "دراسة اكتشاف المشاة في السيارات ذاتية القيادة"، فإن هذه العملية تبدأ بكاميرات السيارة الموضوعة في جميع أنحاء السيارة لالتقاط رؤية كاملة للمحيط، بما في ذلك الطرق والأرصفة وممرات المشاة. تلتقط هذه الكاميرات البيانات المرئية باستمرار، مما يساعد السيارة على "رؤية" المشاة، حتى في المواقف المزدحمة أو الصعبة.
يمكن بعد ذلك معالجة البيانات المرئية التي تم جمعها باستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLOv8. للقيام بذلك، فإن الخطوة الأولى هي استخدام اكتشاف الأجسام والذي يستلزم تحديد موقع الأجسام المحتملة، مثل المشاة والمركبات وإشارات المرور، داخل الصورة. بمجرد اكتشافها، ينتقل نموذج الذكاء الاصطناعي إلى الخطوة التالية، وهي التصنيف-تحديد ماهية كل جسم مكتشف بالفعل. يتم مدرّبة على مجموعات واسعةمما يمكّنها من التعرّف على المشاة في مختلف الأوضاع وظروف الإضاءة والبيئات، حتى عندما يكونون محجوبين جزئياً أو في حالة حركة.
في حين أن بعض نماذج الرؤية الحاسوبية تتفوق في الكشف والتصنيف، يركز البعض الآخر على مهام مثل التنبؤ بحركة المشاة المكتشفة. في هذه الأنظمة، بمجرد تصنيف كائن ما على أنه أحد المشاة، يتقدم نموذج الذكاء الاصطناعي خطوة إلى الأمام من خلال التنبؤ بحركته التالية. على سبيل المثال، إذا كان شخص ما يقف على حافة ممر المشاة، يمكن للسيارة أن تتوقع ما إذا كان من الممكن أن يخطو إلى الطريق. هذه القدرة التنبؤية ضرورية للسيارة للتفاعل في الوقت الحقيقي من خلال إبطاء السرعة أو التوقف أو تغيير الاتجاه لتجنب أي خطر محتمل. لجعل هذه القرارات أكثر ذكاءً، يمكن لأنظمة الذكاء الاصطناعي أن تجمع بين البيانات المرئية من الكاميرات والمدخلات من أجهزة الاستشعار الأخرى مثل LIDAR، مما يمنح السيارة فهماً أكثر اكتمالاً لمحيطها.
يُعدّ نظام التعرّف على إشارات المرور، وهو اختصار TSR، جزءاً مهماً آخر من السيارات ذاتية القيادة. فهو يساعد السيارة على التعرف على إشارات المرور والاستجابة لها في الوقت الفعلي، مثل إشارات التوقف وحدود السرعة والاتجاهات. وهذا يضمن اتباع السيارة لقواعد المرور، وتجنب الحوادث، ويسمح للركاب بالاستمتاع برحلة سلسة وآمنة.
يوجد في صميم نظام TSR خوارزميات التعلُّم العميق التي تستخدم كاميرات السيارة لتحديد اللافتات. تحتاج هذه الأنظمة إلى العمل في ظروف مختلفة مثل المطر، أو الإضاءة المنخفضة، أو عندما يتم عرض اللافتة من زاوية معينة. تعتمد الأساليب القديمة على تقنيات مثل تحليل شكل ولون اللافتات، ولكنها قد تفشل في كثير من الأحيان في المواقف المعقدة، مثل سوء الأحوال الجوية.
في الورقة البحثية "منهج قائم على YOLOv8 للكشف عن إشارات المرور متعددة الفئات"، يصف المؤلفون استخدام YOLOv8 النموذج لتحديد مناطق الصور التي توجد فيها إشارات المرور. تم تدريب النموذج على مجموعة بيانات تتضمن صورًا لإشارات المرور في ظروف مختلفة، مثل الزوايا والإضاءة والمسافات المختلفة. بمجرد أن يقوم النموذج YOLOv8 يكتشف المناطق التي تحتوي على إشارات المرور، فإنه يصنّفها بدقة، محققاً دقة مذهلة بنسبة 80.64%. يمكن أن تساعد هذه القدرات المركبات ذاتية القيادة في فهم ظروف الطريق من خلال تحديد علامات المرور المهمة في الوقت الفعلي، مما قد يساهم في اتخاذ قرارات قيادة أكثر أماناً.
يعمل الذكاء الاصطناعي تدريجياً على تغيير طريقة عمل السيارات ذاتية القيادة، مما يجعلها أكثر أماناً وكفاءة. وبفضل الخوارزميات الذكية والقدرة على معالجة البيانات بسرعة، يمكن لهذه السيارات اكتشاف المخاطر واتخاذ قرارات قيادة أفضل، بل وتقليل تأثيرها على البيئة. إليك بعض الفوائد الرئيسية التي يجلبها الذكاء الاصطناعي للسيارات ذاتية القيادة.
إن الذكاء الاصطناعي قادر على تعزيز السلامة في السيارات ذاتية القيادة من خلال تمكين الكشف عن المخاطر والاستجابة لها في الوقت الفعلي. وفقاً لتقرير صادر عن الإدارة الوطنية لسلامة المرور على الطرق السريعة (NHTSA), 94% من الحوادث الخطيرة ناتجة عن خطأ بشري. ويمكن للذكاء الاصطناعي أن يقلل من هذه الحوادث من خلال الاستجابة بشكل أسرع من السائقين البشر، مما قد يؤدي إلى خفض معدلات الحوادث بنسبة 90% مع زيادة تقدم الأنظمة ذاتية القيادة.
لا يساعد الذكاء الاصطناعي في الكشف عن الأجسام في المركبات ذاتية القيادة في مجال السلامة فحسب، بل يساعد أيضاً في تحسين تدفق حركة المرور. باستخدام الذكاء الاصطناعي، يمكن لهذه المركبات ضبط سرعتها والحفاظ على المسافة المثلى وتقليل الحاجة إلى الكبح المفاجئ أو التسارع، وكل ذلك يساعد في تقليل الازدحام المروري. كما تعمل خوارزميات الذكاء الاصطناعي أيضاً على تحسين كفاءة استهلاك الوقود من خلال ضمان اتباع السيارات للطرق الأكثر كفاءة، وتجنب التوقف غير الضروري، وإدارة استهلاك الوقود بشكل أفضل من السائقين البشر. ونتيجة لذلك، لا يقتصر دور الذكاء الاصطناعي على تحسين تجربة القيادة فحسب، بل يساهم أيضاً في تقليل الانبعاثات وتكاليف الوقود.
يتمحور مستقبل السيارات ذاتية القيادة حول تحقيق المستوى الخامس من القيادة الذاتية، وهو ما يعني القيادة الذاتية بالكامل دون الحاجة إلى تدخل بشري، بغض النظر عن البيئة أو الموقف. ولفهم إلى أين تتجه هذه التكنولوجيا، من المهم تقسيم المستويات الخمسة للقيادة الذاتية كما حددتها جمعية مهندسي السيارات (SAE) جمعية مهندسي السيارات (SAE):
في الوقت الحالي، تعمل معظم السيارات المتوفرة تجارياً في المستوى الثاني من القيادة الذاتية، حيث يمكن للسيارة المساعدة في التوجيه والتحكم في السرعة، ولكنها لا تزال تتطلب من السائق أن يظل متفاعلاً. مرسيدس-بنز هي واحدة من أوائل الشركات التي حققت المستوى الثالث من القيادة الذاتية، والذي يسمح للسائقين في ظروف محددة برفع أيديهم عن عجلة القيادة وعيونهم عن الطريق، والاستمتاع بمحيطهم.
ومع ذلك، فإن الوصول إلى المستوى الخامس من القيادة الذاتية - حيث يمكن للمركبات التنقل في جميع التضاريس، من المراكز الحضرية المزدحمة إلى الطرق الريفية النائية، دون خرائط أو تدخل بشري - يمثل تحديات كبيرة. وتشمل هذه التحديات تطوير ذكاء اصطناعي متقدم يمكنه اتخاذ قرارات في الوقت الحقيقي في بيئات لا يمكن التنبؤ بها، والتعامل مع الظروف الجوية المعقدة، وضمان السلامة في جميع سيناريوهات القيادة.
الذكاء الاصطناعي هو المفتاح لجعل السيارات ذاتية القيادة أكثر واقعية. فهو يساعد هذه المركبات على اكتشاف الأجسام، والتعرف على إشارات المرور، والبقاء في مساراتها، ومع نماذج الرؤية الحاسوبية مثل YOLOv8المساعدة في إدارة حركة المرورو وتحسين إدارة مواقف السياراتمما يجعل القيادة أكثر أماناً وسلاسة. تسمح تقنيات مثل YOLO وCNNs للسيارات باتخاذ قرارات ذكية على الطريق. في الوقت الحالي، تعمل معظم السيارات ذاتية القيادة في المستوى 2، حيث تساعد في القيادة ولكنها لا تزال بحاجة إلى اهتمام بشري، ويجري اختبار المستوى 3 من القيادة الذاتية، مما يسمح بقيادة محدودة بدون استخدام اليدين.
التحدي الكبير الذي ينتظرنا هو الوصول إلى المستوى الخامس من القيادة الذاتية، حيث يمكن للسيارات أن تقود نفسها بنفسها في أي ظرف دون مساعدة بشرية. وسيتطلب ذلك المزيد من العمل للتعامل مع الأحداث غير المتوقعة وإنشاء أنظمة يمكنها اتخاذ قرارات في الوقت الفعلي في جميع المواقف. مع تحسن الذكاء الاصطناعي، تقترب السيارات ذاتية القيادة بالكامل، مما يعد بطرق أكثر أماناً وتجربة قيادة أكثر راحة.
هل لديك فضول حول الذكاء الاصطناعي؟ استكشف مستودع GitHub الخاص بنا لتغوص في مشاريعنا الرائدة وتتواصل مع مجتمعنا المتنامي. من الرعاية الصحية إلى الابتكارات في مجال القيادة الذاتيةفإننا نقود مستقبل الذكاء الاصطناعي!
