كيف ترى السيارات ذاتية القيادة الطريق؟ وكيف تتخذ قرارها في أجزاء من الثانية؟

 كيف ترى السيارات ذاتية القيادة الطريق؟ وكيف تتخذ قرارها في أجزاء من الثانية؟

أمام السيارة إشارة مرور، وعلى يمينها دراجة، وفي الجهة الأخرى أحد المشاة يستعد لعبور الطريق. سيارة أخرى تغير مسارها، بينما تقترب المركبة من تقاطع مزدحم.

السائق البشري يجمع كل هذه المعلومات بسرعة ثم يقرر: هل يستمر؟ هل يبطئ؟ أم يتوقف؟

لكن عندما تكون السيارة ذاتية القيادة، كيف تستطيع آلة فهم كل ما يحدث حولها؟

الحقيقة أن السيارة لا تعتمد على “عين إلكترونية” واحدة، وإنما قد تجمع بين الكاميرات والرادار وتقنيات استشعار أخرى والخرائط والذكاء الاصطناعي لبناء تصور مستمر للبيئة المحيطة.

ثم عليها القيام بالأصعب: اتخاذ قرار آمن خلال وقت قصير جدًا.

السيارة لا ترى الطريق بعين واحدة

تختلف أنظمة القيادة الآلية اختلافًا كبيرًا بين الشركات والمركبات، لكن السيارات المتقدمة قد تحتوي على مجموعة من أجهزة الاستشعار.

من بينها الكاميرات التي تستطيع التقاط معلومات بصرية عن الطريق والمركبات والإشارات والخطوط.

وهناك الرادار Radar الذي يستخدم موجات راديوية للمساعدة في قياس المسافات والسرعات النسبية للأجسام.

وبعض الأنظمة تستخدم أيضًا LiDAR الذي يعتمد على نبضات ضوئية لبناء معلومات ثلاثية الأبعاد عن البيئة.

لكل مستشعر نقاط قوة وحدود، ولهذا قد تجمع بعض الأنظمة بيانات أكثر من مستشعر معًا.

ما LiDAR؟

تخيل أن السيارة تطلق أعدادًا كبيرة من نبضات الليزر غير المرئية وتقيس الزمن الذي تستغرقه للعودة بعد انعكاسها عن الأجسام.

باستخدام هذه القياسات يستطيع النظام بناء ما يعرف بـ Point Cloud أو سحابة النقاط.

تظهر البيئة على هيئة عدد ضخم من النقاط ثلاثية الأبعاد التي تمثل الأسطح والأجسام المحيطة.

ومن خلالها يستطيع النظام تقدير شكل المركبات والمباني والطريق والعوائق والمسافات.

لكن LiDAR ليس الطريقة الوحيدة لبناء أنظمة قيادة آلية؛ فهناك اختلافات كبيرة بين الشركات في أنواع المستشعرات التي تعتمد عليها.

كيف تعرف السيارة أن هذا الجسم إنسان؟

هنا تدخل الرؤية الحاسوبية Computer Vision ونماذج تعلم الآلة.

تستقبل الأنظمة الصور أو بيانات المستشعرات ثم تحاول تحديد الأشياء الموجودة حول المركبة.

قد تشمل الفئات:

السيارات، الشاحنات، الدراجات، المشاة، إشارات المرور، علامات الطريق والحواجز.

لكن اكتشاف الجسم وحده لا يكفي.

على السيارة أيضًا معرفة مكانه واتجاهه وحركته.

فالشخص الذي يقف على الرصيف يختلف عن شخص بدأ يتحرك نحو الطريق.

دمج المستشعرات: عندما تتعاون «حواس» السيارة

الكاميرا ممتازة في التقاط الألوان والتفاصيل البصرية، لكنها قد تتأثر بظروف معينة مثل الإضاءة.

الرادار يوفر معلومات مفيدة عن المسافة والحركة النسبية، لكنه يقدم نوعًا مختلفًا من التفاصيل.

وLiDAR يقدم معلومات مكانية ثلاثية الأبعاد مفيدة، لكنه أيضًا له خصائص وحدود وتكاليف مختلفة.

لهذا تستخدم بعض الأنظمة تقنية تسمى Sensor Fusion أو دمج المستشعرات.

الفكرة أن النظام يجمع معلومات من عدة مصادر لتكوين تصور أكثر اكتمالًا للبيئة.

الأمر يشبه استخدام الإنسان عينيه وأذنيه معًا لفهم ما يحدث حوله بدل الاعتماد على حاسة واحدة فقط.

بعد الرؤية تأتي مرحلة أصعب: التنبؤ

معرفة أن هناك سيارة أمامك لا تكفي.

على النظام محاولة تقدير ما قد تفعله بعد لحظات.

هل ستبقى في مسارها؟

هل ستغير المسار؟

هل ستبطئ؟

وماذا عن الشخص الموجود قرب ممر المشاة؟ هل سيعبر؟

تسمى هذه المرحلة غالبًا Prediction أو التنبؤ.

يعتمد النظام على حركة الأجسام وسياق الطريق وبيانات أخرى لتقدير مسارات محتملة للأطراف المحيطة.

وهنا تظهر صعوبة القيادة الحقيقية: البشر ليسوا دائمًا قابلين للتوقع.

كيف تختار السيارة المسار؟

بعد فهم البيئة والتنبؤ بحركة الأجسام، تأتي مرحلة Planning أو التخطيط.

يجب على النظام اختيار مسار للمركبة يحقق هدفها مع الالتزام بقيود السلامة وقواعد الطريق.

قد يحتاج إلى اتخاذ قرارات مثل:

هل أبطئ الآن؟

هل أترك مسافة أكبر؟

هل أغير المسار؟

متى أبدأ الانعطاف؟

كيف أتجنب العائق دون الاقتراب من مركبة أخرى؟

ثم تُرسل الأوامر إلى أنظمة التحكم لتنفيذ التسارع والكبح والتوجيه.

وهذه الدورة تتكرر باستمرار أثناء حركة السيارة.

لماذا تحتاج السيارة إلى اتخاذ القرارات بسرعة؟

لأن العالم لا يتوقف بينما يقوم الحاسوب بالحسابات.

عند السير بسرعة عالية، يمكن أن تتغير المسافة بين السيارة والعائق بصورة كبيرة خلال وقت قصير.

لذلك يجب أن تعمل أنظمة الإدراك والتنبؤ والتخطيط والتحكم بزمن استجابة منخفض.

وهذا أحد أسباب استخدام حواسيب قوية داخل المركبات، مصممة لمعالجة كميات كبيرة من بيانات المستشعرات بصورة مستمرة.

ماذا يحدث في المطر أو الضباب؟

هذه إحدى المشكلات الصعبة.

قد تتأثر الكاميرات بالأمطار أو الإضاءة القوية أو الظلام، كما أن ظروف الطقس قد تؤثر بدرجات مختلفة في أداء المستشعرات الأخرى.

وقد تصبح علامات الطريق أقل وضوحًا أو تغطي المياه بعض تفاصيل الشارع.

لهذا يجب اختبار أنظمة القيادة في ظروف متنوعة، وليس فقط على طريق واضح وفي يوم مشمس.

النظام الجيد يحتاج إلى معرفة متى تكون المعلومات غير مؤكدة والتعامل مع ذلك بصورة آمنة.

ماذا لو ظهر شيء لم تره السيارة أثناء التدريب؟

هذا يسمى أحيانًا Edge Case أو الحالة النادرة.

تخيل جسمًا غير مألوف يسقط على الطريق، أو مركبة تتصرف بطريقة غير متوقعة، أو أعمال طرق مؤقتة بتخطيط غريب.

الإنسان يستطيع أحيانًا استخدام خبرته العامة لفهم موقف جديد تمامًا.

أما أنظمة الذكاء الاصطناعي فتحتاج إلى التعامل مع عدد هائل من الحالات المحتملة، بما فيها الحالات التي نادرًا ما تحدث.

ولهذا تعتبر الحالات النادرة من أكبر تحديات تطوير أنظمة القيادة الآلية.

هل السيارة ذاتية القيادة تعني أنها تستطيع القيادة في أي مكان؟

لا.

هناك مستويات مختلفة من أتمتة القيادة، والقدرات تختلف بصورة كبيرة من نظام إلى آخر.

بعض الأنظمة ليست قيادة ذاتية كاملة أصلًا، وإنما أنظمة مساعدة للسائق تتولى مهام معينة مع بقاء مسؤوليات على الإنسان.

وحتى الأنظمة الأعلى أتمتة قد تكون مصممة للعمل فقط داخل نطاق تشغيل محدد مثل مناطق أو طرق أو ظروف معينة.

لذلك فإن وجود ميزات قيادة آلية في السيارة لا يعني تلقائيًا أنها تستطيع القيادة بنفسها في جميع الأماكن والظروف.

ماذا عن الخرائط؟

بعض أنظمة القيادة الآلية تستفيد من خرائط عالية الدقة تحتوي على معلومات أكثر تفصيلًا من خرائط الملاحة العادية.

يمكن أن تساعد هذه الخرائط في توفير سياق إضافي حول الطريق والمسارات والتقاطعات.

لكن السيارة لا تستطيع الاعتماد على الخريطة وحدها.

فالطريق قد يتغير، وقد تظهر أعمال صيانة أو مركبة متوقفة أو عائق لم يكن موجودًا عندما أُنشئت الخريطة.

ولهذا يجب أن يتعامل النظام مع العالم الموجود أمامه الآن وليس فقط مع المعلومات المخزنة مسبقًا.

هل الذكاء الاصطناعي هو الذي يقود السيارة بالكامل؟

الذكاء الاصطناعي عنصر أساسي في كثير من أنظمة الإدراك والتنبؤ، لكنه جزء من منظومة هندسية أكبر.

هناك أجهزة استشعار وحواسيب وبرمجيات وأنظمة تحكم ومكابح وتوجيه وأنظمة أمان وخرائط واتصالات واختبارات مكثفة.

ولهذا فإن السيارة الآلية ليست مجرد “نموذج ذكاء اصطناعي موضوع داخل سيارة”.

إنها منظومة كاملة يجب أن تعمل مكوناتها معًا في الزمن الحقيقي.

لماذا تعتبر السلامة التحدي الأكبر؟

إذا أخطأ تطبيق في اقتراح فيلم لا يعجبك، فالنتيجة بسيطة.

لكن الخطأ في نظام يتحكم بمركبة تتحرك في العالم الحقيقي قد تكون له عواقب خطيرة.

لذلك لا يكفي أن يعمل النظام جيدًا “في معظم الحالات”.

يجب تقييم الأداء في مجموعة واسعة جدًا من الظروف، ودراسة طرق الفشل، وتصميم طبقات حماية واستجابة عندما يحدث خلل في أحد المكونات.

وهذا أحد الأسباب التي تجعل الانتقال من نموذج ذكاء اصطناعي مذهل في المختبر إلى نظام قيادة آمن في الشوارع مهمة هندسية شديدة التعقيد.

هل ستصبح السيارات بلا سائق أمرًا طبيعيًا؟

التقنية تتطور، لكن انتشارها لا يعتمد على الذكاء الاصطناعي وحده.

هناك عوامل تتعلق بالسلامة والتشريعات والبنية التحتية والتكلفة والمسؤولية القانونية وثقة المستخدمين.

وقد تختلف سرعة انتشار المركبات الآلية من مدينة إلى أخرى ومن دولة إلى أخرى.

لذلك قد لا يكون المستقبل انتقالًا مفاجئًا من السيارات التقليدية إلى سيارات بلا سائق، بل زيادة تدريجية في مستوى الأتمتة والقدرات.

الخلاصة

السيارة ذاتية القيادة لا ترى الشارع بالطريقة التي يراه بها الإنسان.

إنها تجمع تدفقات هائلة من البيانات من الكاميرات والرادار وربما LiDAR ومستشعرات أخرى، ثم تستخدم البرمجيات والذكاء الاصطناعي لتحويلها إلى تصور للعالم المحيط.

بعد ذلك تحاول الإجابة باستمرار عن ثلاثة أسئلة:

ماذا يوجد حولي؟

ماذا قد يحدث بعد لحظات؟

وما التصرف الأكثر أمانًا الآن؟

ولهذا فإن التحدي الحقيقي في القيادة الذاتية ليس جعل السيارة تتحرك وحدها فقط، بل جعلها تفهم عالمًا مليئًا بالبشر والمفاجآت والظروف التي لا يمكن توقعها دائمًا.