تواجه السيارة ذاتية القيادة مشكلة واحدة قبل كل المشاكل الأخرى: يجب أن انظر - وليس فقط أن يرى، بل أن يفهم. يجب أن يعرف أن الشكل الذي أمامه هو طفل وليس ظلاً؛ وأن الخط على الطريق هو حافة الطريق؛ وأن السيارة التي بجانبه تنجرف أقرب. هذه هي وظيفة الرؤية الحاسوبية, وهو الأساس الذي يقوم عليه كل شيء آخر في السيارة ذاتية القيادة. يشرح هذا الدليل كيفية عملها.
أبرز الاستنتاجات
- الرؤية الحاسوبية يتيح للسيارة ذاتية القيادة تحويل صور الكاميرا إلى فهم للطريق.
- خط أنابيب التصور يعالج اكتشاف الأجسام، واكتشاف المسار، والعمق، والتتبع.
- دمج أجهزة الاستشعار يجمع بين الكاميرات والرادار ورادار و(غالباً) الليدار لضمان الموثوقية.
- يعمل في الوقت الفعلي - كل قرار يحدث في جزء من الثانية.
- تبقى القضايا الصعبة - الطقس السيئ، والمواقف الغريبة، والأحداث النادرة هي التحدي المستمر.
ما الذي تفعله رؤية الكمبيوتر للسيارة
الرؤية الحاسوبية هو مجال الذكاء الاصطناعي الذي يتيح للآلات استخراج المعنى من الصور والفيديو. بالنسبة للمركبات ذاتية القيادة، فإن الكاميرات هي العيون - ولكن لقطات الكاميرا الخام هي مجرد وحدات بكسل. الرؤية الحاسوبية هي ما يحول تلك البيكسلات إلى إجابات يمكن للسيارة أن تتصرف بناءً عليها:
- ما هي الأشياء الموجودة حولي، وأين؟
- أين مساري؟
- كم تبعد تلك السيارة، وهل تتحرك نحوي؟
- ما المكتوب على إشارة المرور أو اللافتة؟
وتسمى هذه العملية برمتها - تحويل بيانات المستشعر إلى فهم للبيئة - باسم الإدراك. إنها المرحلة الأولى والأكثر أهمية في القيادة الذاتية. كل شيء بعدها (تخطيط المسار، التوجيه، الكبح) يعتمد على صحة الإدراك.
خط أنابيب التصور
يؤدي نظام الرؤية في السيارة ذاتية القيادة عدة مهام في آن واحد، عدة مرات في الثانية الواحدة. أهمها:
اكتشاف الأجسام
يجب أن تجد السيارة وتحدد كل ما يتعلق بها: المركبات الأخرى، والمشاة، وراكبي الدراجات، والحيوانات، والحطام، والأقماع. باستخدام اكتشاف الأجسام النماذج، فإنه يرسم مربعًا موسومًا حول كل كائن - ماذا هو و حيث هو كذلك. والأهم من ذلك، يجب أن يفعل ذلك للعديد من الأجسام في وقت واحد وعلى الفور.
تصنيف الأجسام وتتبعها
الكشف وحده لا يكفي. يجب أن تكون السيارة التصنيف الأجسام بدقة - يتصرف المشاة بشكل مختلف تمامًا عن السيارة المتوقفة - و المسار عبر الإطارات بمرور الوقت. التتبع هو ما يتيح للسيارة معرفة أن راكب الدراجة الذي رأته قبل ثانية هو نفسه راكب الدراجة الآن، والتنبؤ بالمكان الذي سيتواجد فيه بعد ذلك.
كشف الحارة والطريق
تحتاج السيارة إلى معرفة أين يمكنها القيادة. تكتشف أنظمة الرؤية علامات الحارة وحواف الطريق والسطح القابل للقيادة - حتى عندما تكون العلامات باهتة أو مهترئة أو مفقودة جزئياً - للحفاظ على وضع السيارة في مكانها الصحيح.
التعرف على إشارات المرور والإشارات المرورية
يقوم النظام بقراءة وتفسير إشارات المرور وعلامات التوقف وحدود السرعة وعلامات الطريق الأخرى، بحيث تلتزم السيارة بقواعد الطريق.
تقدير العمق
لا تحتوي صورة الكاميرا المسطحة على معلومات مدمجة عن المسافة، ومع ذلك فإن المسافة هي كل شيء للقيادة الآمنة. أنظمة الرؤية تقدير العمق - مدى بُعد كل جسم - وهو أمر ضروري للحكم على الفجوات، وتوقيت الكبح، وتجنب الاصطدامات.
لماذا لا تكفي الكاميرات: دمج أجهزة الاستشعار
الكاميرات قوية، ورخيصة، وغنية بالتفاصيل - فهي المستشعر الوحيد الذي يقرأ اللافتات والأضواء. ولكن لديها نقاط ضعف: فهي تعاني في الظلام والوهج والضباب والأمطار الغزيرة، كما أن تقدير المسافة الدقيقة من الكاميرا غير كامل.
لذا فإن معظم أنظمة القيادة الذاتية لا تعتمد على الرؤية وحدها. فهي تجمع بين أجهزة استشعار متعددة، يغطي كل منها النقاط العمياء في الأنظمة الأخرى:
| المستشعر | الميزة | الضعف |
|---|---|---|
| الكاميرات | تفاصيل غنية بالتفاصيل والألوان وقراءة العلامات/الأضواء | ضعيف في الضوء السيئ والطقس السيئ |
| الرادار | تعمل في أي طقس، وتقيس السرعة بشكل جيد | تفاصيل منخفضة وشكل خشن |
| ليدار | مسافة وشكل ثلاثي الأبعاد دقيقان | باهظ التكلفة؛ يمكن أن يتدهور في الأحوال الجوية القاسية |
يُطلق على دمج تدفقات البيانات هذه في صورة واحدة متسقة اسم دمج أجهزة الاستشعار. من خلال التدقيق المتبادل بين ما يبلغ عنه كل مستشعر، تبني السيارة نموذجاً لمحيطها أكثر موثوقية بكثير مما يمكن أن يوفره أي مستشعر واحد. (تختلف المقاربات - فبعض الشركات تعتمد بشكل كبير على الكاميرات، بينما تصر شركات أخرى على مستشعرات الليدار - ولكن مبدأ الجمع بين المصادر مشترك على نطاق واسع).
كل ذلك يحدث في الوقت الفعلي
القيد المحدد لرؤية القيادة الذاتية هو السرعة. السيارة التي تتحرك بسرعة على الطريق السريع تقطع أمتاراً كل جزء من الثانية. يجب أن يكتمل خط الأنابيب بأكمله - التقاط الصور، واكتشاف الأجسام وتصنيفها، وتقدير العمق، ودمج المستشعرات، وبناء الصورة - عدة مرات في الثانية الواحدة، بشكل متواصل، دون توقف.
هذا هو السبب في أن السيارات ذاتية القيادة تحمل أجهزة كمبيوتر قوية على متنها، ولهذا السبب تم تصميم نماذج الذكاء الاصطناعي لتكون دقيقة و بسرعة. الإجابة التي تصل متأخرة جدًا لا فائدة منها مثل الإجابة الخاطئة.
التحديات التي لا تزال قائمة
لقد تحسنت الرؤية الحاسوبية للقيادة بشكل هائل، ولكن المشاكل الصعبة تبقي القيادة الذاتية الكاملة صعبة:
- سوء الأحوال الجوية - تعمل الأمطار الغزيرة والثلوج والضباب والوهج على تشويه الكاميرات وإرباك الإدراك.
- حالات الحافة - الحالات النادرة والغريبة: العوائق غير الاعتيادية، وتخطيطات الطرق الغريبة، والحطام، وشخص في مكان غير متوقع. يمكن لنظام ما أن يكون ممتازاً في الحالات الشائعة ومع ذلك يمكن أن يفاجأ بالحالات غير المألوفة.
- التنبؤات - اكتشاف أحد المشاة شيء؛ لكن التنبؤ بشكل صحيح بما إذا كان سيخطو إلى الطريق أمر أصعب بكثير.
- شريط الموثوقية - تتطلب القيادة موثوقية عالية للغاية. الأداء الجيد “دائماً تقريباً” لا يكفي عندما تكون الأعطال خطيرة.
هذه التحديات هي سبب التقدم المطرد وليس المفاجئ، وسبب استمرار أهمية الرقابة البشرية في معظم الأنظمة.
الشبكات العصبية المسؤولة عن عملية الرؤية
كل ما يحدث في مسار المعالجة البصرية — من اكتشاف راكب دراجة، إلى قراءة لافتة، وصولاً إلى تقدير العمق — هو ناتج شبكة عصبية عميقة. وفهم أنواع الشبكات التي تقوم بهذه المهام يفسر كلاً من سبب كفاءة أنظمة الرؤية الحديثة للسيارات ذاتية القيادة، وأين تكمن نقاط ضعفها.
لسنوات طويلة، كان العمود الفقري هو الشبكة العصبية التلافيفية (CNN). تقوم الشبكات العصبية الاصطناعية (CNN) بتمرير مرشحات عبر الصورة لتحديد الحواف، ثم الأشكال، ثم الكائنات بأكملها، طبقةً تلو الأخرى. وهي سريعة وممتازة في التعرف على ماذا توجد في إطار واحد، ولهذا السبب لا تزال تشكل أساسًا لمعظم مراحل الكشف عن الكائنات وتصنيفها.
وكان التحول الأكبر قد اتجه نحو محولات الرؤية وتمثيل يُسمى منظور عين الطائر (BEV). بدلاً من الاستدلال إطارًا تلو الآخر، تستخدم نماذج «ترانسفورمر» آلية «الانتباه الذاتي» لتقييم العلاقات عبر المشهد بأكمله وعبر الزمن — وبالتالي، فإن المشاة الذي يُلمح ثم يختفي لفترة وجيزة خلف شاحنة صغيرة لا يزال يتم تتبعه. تستقبل أنظمة BEV الإشارات الواردة من كل كاميرا وتدمجها في خريطة واحدة من أعلى إلى أسفل للمساحة المحيطة بالسيارة، وهي الرؤية التي يحتاجها المخطط فعليًّا للانعطاف أو الاندماج في حركة المرور. وفي الممارسة العملية، فإن المجموعات الأقوى هي هجين: تقوم شبكة CNN باستخراج السمات من كل كاميرا، ثم يقوم «الترانسفورمر» بدمج تلك السمات لتشكيل صورة ثلاثية الأبعاد متماسكة ومراعية للعوامل الزمنية.
هناك خياران في التصميم يميزان بين اللاعبين الرئيسيين:
- النموذج المعياري مقابل النموذج الشامل. تربط المجموعات التقليدية بين وحدات منفصلة تم تدريب كل منها على حدة (الكشف، ثم التتبع، ثم التنبؤ، ثم التخطيط). وقد حوّلت شركة تيسلا برنامجها للقيادة الذاتية الكاملة نحو من البداية إلى النهاية شبكة — تُوصف أحيانًا بعبارة “دخول الفوتونات، وخروج أوامر التحكم” — حيث يقوم نظام واحد مدرب بربط وحدات البكسل في الكاميرا بشكل مباشر بإخراج نظام التوجيه والدواسات، مع تقليل عدد عمليات التسليم المبرمجة يدويًّا بينهما.
- الإشغال فوق الصناديق. بدلاً من الاكتفاء برسم مربعات محيطة بالفئات التي تم التعرف عليها، تقوم الأنظمة الأحدث بالتنبؤ بـ الإشغال الشبكة: أي أحجام من الفضاء المجاور تُعتبر مملوءة ببساطة، بغض النظر عما إذا كان الكائن يحمل تسمية أم لا. وهذا الأمر مهم بالنسبة لـ“الذيل الطويل” — فسلم ساقط أو مقطورة مقلوبة لم يسبق للنموذج أن رآها إلا نادرًا، لا يزال يُعتبر «مساحة لا يمكن المرور عبرها».”
والقاسم المشترك هو أن أياً من هذا لا يخضع لقواعد محددة. فهذه الشبكات هي استخلصت من البيانات — ملايين الأمثلة المُصنَّفة والمُدرَّبة ذاتيًا في مجال القيادة — وهو ما يمثل أيضًا الحد الأقصى لقدراتها: فهي تتعامل بشكل جيد مع المواقف التي شملها تدريبها، بينما تظل المشاهد النادرة أو الغريبة أو المُربكة عمدًا هي الجزء الصعب.
الأسئلة الشائعة
كيف ترى السيارات ذاتية القيادة؟
ترى السيارات ذاتية القيادة باستخدام الكاميرات، بالإضافة إلى أجهزة استشعار أخرى مثل الرادار والليدار. يقوم برنامج الرؤية الحاسوبية بتحويل صور الكاميرا إلى فهم للبيئة المحيطة - تحديد الأجسام والممرات والعلامات والمسافات - في عملية تسمى الإدراك.
ما هي الرؤية الحاسوبية في السيارات ذاتية القيادة؟
الرؤية الحاسوبية هي تقنية الذكاء الاصطناعي التي تتيح للسيارة ذاتية القيادة استخراج المعنى من صور الكاميرا. فهي تقوم باكتشاف الأجسام وتصنيفها وتتبعها واكتشاف الحارات والتعرف على الإشارات وتقدير العمق، مما يحول وحدات البكسل الخام إلى وعي تحتاج إليه السيارة للقيادة بأمان.
هل تستخدم السيارات ذاتية القيادة الكاميرات فقط؟
يستخدم معظمها الكاميرات مع مستشعرات أخرى - الرادار وغالباً الليدار - من خلال عملية تسمى دمج المستشعرات. توفر الكاميرات تفاصيل غنية وتقرأ اللافتات والأضواء، بينما يضيف الرادار والليدار قياساً موثوقاً للمسافة ويعملان بشكل أفضل في الظروف السيئة. الجمع بينهما أكثر قوة من الكاميرات وحدها.
ما هو دمج أجهزة الاستشعار؟
دمج أجهزة الاستشعار هو عملية دمج البيانات من أجهزة استشعار متعددة - الكاميرات والرادار والليدار - في فهم واحد ومتسق لمحيط السيارة. ولأن لكل مستشعر نقاط قوة وضعف مختلفة، فإن دمجها ينتج صورة أكثر موثوقية من أي مستشعر بمفرده.
لماذا لا تزال السيارات ذاتية القيادة غير منتشرة في كل مكان؟
تتعامل الرؤية الحاسوبية مع حالات القيادة الشائعة بشكل جيد، ولكن تظل “الحالات الحادة” النادرة والطقس السيئ والتنبؤ بالسلوك البشري بدقة صعبة للغاية - وتتطلب القيادة موثوقية عالية للغاية. إن سد الفجوة بين “تعمل بشكل شبه دائم” و“آمنة بما يكفي للثقة الكاملة” هو التحدي الرئيسي المتبقي.
كيف يتعلم الذكاء الاصطناعي في السيارة ذاتية القيادة التعرف على ما تراه؟
يتم تدريب نماذج الإدراك، ولا يتم برمجتها يدويًّا. يقوم المهندسون بتزويد الشبكات العصبية العميقة بكميات هائلة من لقطات القيادة — وقد تم تصنيف جزء كبير منها لتمييز السيارات والمشاة والمسارات واللافتات، كما يتم اعتماد الإشراف الذاتي بشكل متزايد حتى يتعلم النظام البنية من مقاطع الفيديو الأولية. وعلى مدار العديد من دورات التدريب، تقوم الشبكة بتعديل أوزانها الداخلية حتى تتطابق تنبؤاتها مع الواقع. ولهذا السبب تكتسب تغطية السيناريوهات النادرة “الحالات الاستثنائية” أهمية كبيرة: فالنموذج لا يكون موثوقًا إلا في أنواع المواقف التي تم تمثيلها في بيانات التدريب الخاصة به.
هل تظل تقنية الرؤية الحاسوبية تعمل في ظل المطر أو الضباب أو الثلج؟
تتدهور جودة الصورة، وهذا يمثل قيدًا حقيقيًّا وليس مشكلة تم حلها. فقد تتعرض الكاميرات للتعمية بسبب الوهج أو الأمطار الغزيرة أو الضباب الكثيف أو العدسة المغطاة بالثلج، ولا يمتلك النظام الذي يعتمد على الرؤية وحدها إشارة مستقلة يمكن الاعتماد عليها عند حدوث ذلك. وهذا هو الحجة الأساسية لتكامل المستشعرات: فالرادار يخترق الضباب والمطر اللذين يعطلان الكاميرا، لذا فإن الأنظمة التي تجمع بين الكاميرات والرادار والليدار تظل أكثر موثوقية في الأحوال الجوية السيئة. وستقوم معظم الأنظمة بتقييد السرعة، أو إعادة التحكم إلى السائق، أو رفض العمل في أسوأ الظروف.
هل يمكن خداع الكاميرات المثبتة على سيارة ذاتية القيادة؟
نعم، ولهذا السبب تكتسب التكرار والتحقق من الصحة أهمية كبيرة. نظرًا لأن عملية الإدراك تعتمد على شبكات عصبية مُدرَّبة، فإن المدخلات غير المعتادة قد تضللها — مثل الوهج الشديد، أو جسم غير معتاد نادرًا ما رآه النموذج أثناء التدريب، أو علامات حارات باهتة أو متناقضة، أو في الأبحاث المختبرية، ملصقات “معادية” مصممة عمدًا. تتحوط أنظمة الإنتاج ضد ذلك من خلال دمج أجهزة استشعار وكاميرات متعددة بحيث لا يتحكم مدخل واحد خادع في القرار، ومن خلال التعامل مع أي مساحة مشغولة غير مبررة على أنها شيء يجب تجنبه بدلاً من تجاهله.
الخلاصة
الرؤية الحاسوبية هي الحاسة التي تجعل القيادة الذاتية ممكنة. فمن خلال خط أنابيب الإدراك في الوقت الحقيقي - اكتشاف الأجسام وتصنيفها وتتبعها والتعرف على المسارات والإشارات وتقدير العمق - تقوم بتحويل تدفقات بكسلات الكاميرا إلى فهم للطريق. ويؤدي دمج المستشعرات مع الرادار والليدار إلى جعل هذا الفهم قوياً بما يكفي للعمل عليه.
إن التكنولوجيا مثيرة للإعجاب حقاً، وهذا هو السبب في أن السيارات ذاتية القيادة تعمل بشكل جيد كما هي اليوم. أما الفجوة المتبقية فهي الجزء الأصعب: الأحداث النادرة، والطقس السيئ، والموثوقية شبه الكاملة التي تتطلبها القيادة الآمنة. هذه هي الحدود التي لا يزال المجال يعمل على تجاوزها.
