مسرد المصطلحات

المركبات ذاتية القيادة

اكتشف كيف تستخدم السيارات ذاتية القيادة الذكاء الاصطناعي والرؤية الحاسوبية وأجهزة الاستشعار لإحداث ثورة في مجال النقل من خلال السلامة والكفاءة والابتكار.

تدريب YOLO النماذج
ببساطة مع Ultralytics HUB

التعرف على المزيد

المركبات ذاتية القيادة، والمعروفة أيضاً باسم السيارات ذاتية القيادة أو السيارات بدون سائق، هي مركبات قادرة على استشعار بيئتها والعمل دون تدخل بشري. تستخدم هذه المركبات مجموعة من التقنيات لتحقيق ذلك، بما في ذلك الرؤية الحاسوبية والذكاء الاصطناعي (AI) والتعلم الآلي (ML) والتعلم العميق وأجهزة الاستشعار والحوسبة عالية الأداء. والهدف من ذلك هو إنشاء مركبات يمكنها التنقل على الطرقات وتجنب العوائق واتباع قواعد المرور والوصول إلى الوجهة المقصودة بأقل قدر من التدخل البشري أو بدون تدخل بشري، مما يعزز في نهاية المطاف السلامة والكفاءة وسهولة الوصول في مجال النقل.

التقنيات والمفاهيم الرئيسية

تعتمد المركبات ذاتية القيادة بشكل كبير على الرؤية الحاسوبية لتفسير البيئة المحيطة بها. تمكّن الرؤية الحاسوبية هذه المركبات من "رؤية" البيئة المحيطة وفهمها من خلال الكاميرات وأجهزة الإدخال المرئي الأخرى. وهذا أمر ضروري لمهام مثل اكتشاف الأجسام والحفاظ على حارة السير والتعرف على إشارات المرور. على عكس تصنيف الصور، الذي يتضمن تصنيف الصور إلى فئات محددة مسبقاً، لا يحدد اكتشاف الأجسام وجود الأجسام فحسب، بل يحدد أيضاً موقعها داخل الصورة أو إطار الفيديو.

يتم تدريب خوارزميات التعلم الآلي، وخاصة نماذج التعلم العميق مثل الشبكات العصبية التلافيفية (CNNs)، على مجموعات بيانات ضخمة من سيناريوهات القيادة لتعلم الأنماط واتخاذ القرارات. تساعد هذه النماذج السيارة على فهم مواقف القيادة المعقدة والتفاعل بشكل مناسب. على سبيل المثال، يمكنها أن تتعلم كيفية التعرف على المشاة والمركبات الأخرى وإشارات المرور وعلامات الطريق.

تلعب المستشعرات دوراً حاسماً في توفير البيانات لنظام التحكم في السيارة. وتشمل أجهزة الاستشعار الشائعة المستخدمة في المركبات ذاتية القيادة ما يلي:

  • ليدار (الكشف عن الضوء وتحديد المدى): يستخدم نبضات الليزر لقياس المسافات وإنشاء خريطة ثلاثية الأبعاد للبيئة.
  • الرادار: يستخدم موجات الراديو للكشف عن الأجسام وقياس مسافتها وسرعتها.
  • الكاميرات: تلتقط البيانات المرئية، والتي تتم معالجتها بواسطة خوارزميات الرؤية الحاسوبية لتحديد الأجسام وتفسير المشاهد.
  • أجهزة الاستشعار بالموجات فوق الصوتية: تُستخدم للكشف عن الأجسام قصيرة المدى، مثل المساعدة في ركن السيارة.
  • نظام تحديد المواقع العالمي (GPS): يوفر معلومات الموقع للملاحة.

مستويات الاستقلالية

تحدّد جمعية مهندسي السيارات (SAE) ستة مستويات لأتمتة القيادة، تتراوح من المستوى 0 (بدون أتمتة) إلى المستوى 5 (أتمتة كاملة).

  • المستوى 0 (بدون أتمتة): يقوم السائق البشري بجميع مهام القيادة.
  • المستوى 1 (مساعدة السائق): يمكن للسيارة المساعدة في التوجيه أو الكبح/التسارع، ولكن يبقى السائق هو المتحكم.
  • المستوى 2 (الأتمتة الجزئية): يمكن للمركبة التحكم في كل من التوجيه والفرملة/التسارع في ظروف معينة، ولكن يجب أن يكون السائق مستعداً لتولي القيادة في أي وقت.
  • المستوى 3 (الأتمتة المشروطة): يمكن للمركبة إدارة معظم مهام القيادة في ظل ظروف معينة، ولكن يجب أن يكون السائق مستعداً للتدخل عندما يُطلب منه ذلك.
  • المستوى 4 (أتمتة عالية): يمكن للسيارة تنفيذ جميع مهام القيادة في ظروف محددة دون تدخل السائق.
  • المستوى 5 (أتمتة كاملة): يمكن للمركبة أداء جميع مهام القيادة في جميع الظروف، دون الحاجة إلى تدخل بشري.

التطبيقات الواقعية

للمركبات ذاتية القيادة مجموعة واسعة من التطبيقات في مختلف الصناعات، مما أحدث ثورة في مجال النقل والخدمات اللوجستية. فيما يلي مثالان ملموسان على كيفية استخدام المركبات ذاتية القيادة في تطبيقات الذكاء الاصطناعي/التعلم الآلي في العالم الحقيقي:

  1. خدمات طلب سيارات الركوب: تعمل شركات مثل "وايمو" و"كروز" على تطوير خدمات النقل التشاركي ذاتية القيادة التي تستخدم سيارات ذاتية القيادة لنقل الركاب. تستخدم هذه المركبات خوارزميات الرؤية الحاسوبية المتقدمة وخوارزميات التعلم الآلي للتنقل في البيئات الحضرية، والتقاط الركاب وإنزالهم، وتوفير تجربة نقل آمنة وفعالة. على سبيل المثال، تتيح خدمة Waymo One، التي تم إطلاقها في فينيكس بولاية أريزونا، للمستخدمين طلب مشوار بدون سائق من خلال تطبيق على الهاتف المحمول، على غرار خدمات النقل التقليدية ولكن بدون سائق بشري. استكشف كيفية استخدام الذكاء الاصطناعي في السيارات ذاتية القيادة.

  2. الخدمات اللوجستية والتوصيل: يجري تطوير الشاحنات ذاتية القيادة وروبوتات التوصيل لتبسيط عمليات اللوجستيات والتوصيل. تقوم شركات مثل TuSimple و Embark باختبار شاحنات ذاتية القيادة لنقل البضائع لمسافات طويلة. وتستخدم هذه الشاحنات مزيجاً من الليدار والرادار والكاميرات لإدراك بيئتها والتنقل على الطرق السريعة. أما بالنسبة للتوصيل في الميل الأخير، تقوم شركات مثل Nuro وStarship Technologies بنشر روبوتات صغيرة ذاتية القيادة يمكنها توصيل البضائع مباشرة إلى منازل العملاء. تتنقل هذه الروبوتات على الأرصفة والشوارع المحلية باستخدام الرؤية الحاسوبية وأجهزة الاستشعار الأخرى، مما يقلل من الحاجة إلى سائقي التوصيل البشريين ويحسن كفاءة التوصيل.

التحديات والآفاق المستقبلية

وعلى الرغم من التقدم الكبير المحرز، تواجه المركبات ذاتية القيادة العديد من التحديات، بما في ذلك القيود التكنولوجية والعقبات التنظيمية والقبول العام. ويكتسي ضمان سلامة وموثوقية أنظمة القيادة الذاتية أهمية قصوى، ويلزم إجراء اختبارات مكثفة والتحقق من صحتها قبل نشرها على نطاق واسع.

يعد أمن البيانات جانباً آخر بالغ الأهمية في تطوير المركبات ذاتية القيادة. فحماية البيانات الحساسة التي تجمعها مستشعرات المركبة وضمان سلامة أنظمة برمجيات المركبة أمران ضروريان لمنع الهجمات الإلكترونية وضمان خصوصية المستخدم.

في المستقبل، من المتوقع أن تؤدي التطورات في مجال الذكاء الاصطناعي وتكنولوجيا الاستشعار وقوة الحوسبة إلى التغلب على هذه التحديات، مما يؤدي إلى مركبات ذاتية القيادة أكثر تطوراً وموثوقية. ومن المتوقع أيضاً أن يؤدي تكامل الحوسبة المتطورة دوراً مهماً، مما يتيح معالجة البيانات في الوقت الفعلي واتخاذ القرارات مباشرة على السيارة، مما يقلل من زمن الاستجابة ويعزز الأداء.

يعد التطوير المستمر للمركبات ذاتية القيادة ونشرها بتحويل وسائل النقل، مما يجعلها أكثر أمانًا وفعالية وسهولة الوصول إليها من قبل عدد أكبر من السكان. ومع نضوج هذه التكنولوجيا واندماجها بشكل أكبر في حياتنا اليومية، من المرجح أن تعيد تشكيل التخطيط الحضري والنقل العام والخدمات اللوجستية، مما يمهد الطريق لعصر جديد من التنقل. تعرف على المزيد حول كيفية تعزيز نماذجUltralytics YOLO للسلامة على الطرق وكفاءة حركة المرور.

قراءة الكل