End2Race: An End-to-End Learning Framework for Multi-Vehicle Autonomous Racing
تقدم هذه الورقة البحثية End2Race، وهو إطار عمل للتعلم من طرف إلى طرف لسباقات السيارات ذاتية القيادة متعددة المركبات، والذي يحقق زمن استجابة للاستدلال يقل عن ميلي ثانية واحدة ويتفوق على الأساليب القائمة على القواعد وطرق تعلم المركبة الواحدة الموجودة حالياً من خلال إظهار قدرة قوية على التعميم، وسرعات عالية، وتجاوز تكيفي في المنافسات المباشرة وجهاً لوجه.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
غالبًا ما يُتخيل عالم السيارات ذاتية القيادة كرحلة هادئة على طريق سريع مستقيم، حيث تحتاج المركبة ببساطة إلى التعرف على علامة توقف أو أحد المشاة. لكن الاختبار الحقيقي لذكاء النظام المستقل يكمن في فوضى حلبة السباق. هنا، تتحرك المركبات بسرعات عالية، وتتفاعل باستمرار مع بعضها البعض في بيئة ديناميكية يمكن أن يعني فيها التأخير لأجزاء من الثانية الفرق بين تجاوز نظيف أو حادث تصادم. ولدراسة هذه البيئة عالية المخاطر دون خطر تدمير سيارات حقيقية باهظة الثمن، يستخدم الباحثون منصة مصغرة تُعرف باسم "F1Tenth". هذه السيارات هي عُشر حجم السيارة الحقيقية، وهي مجهزة بمستشعرات تمسح محيطها مثل الرادار، مما يسمح لها بالتنقل في المسارات بسرعات تقترب من 18 مترًا في الثانية. التحدي لا يقتصر فقط على القيادة بسرعة، بل في القيادة بسرعة مع اتخاذ قرارات معقدة بشأن متى تزيد السرعة، ومتى تبطئ، وكيف تتسلل لتجاوز مركبة منافسة دون لمسها.
لسنوات، اعتمدت أنجح الاستراتيجيات في مسابقات السباق هذه على قواعد جامدة ومبرمجة مسبقًا. يقوم المهندسون ببناء خريطة رقمية للمسار قبل بدء السباق، ويحسبون الخط المثالي الذي ستتبعه السيارة. وبينما يعمل هذا بشكل جيد في مسار معروف، فإنه يفشل في اللحظة التي تواجه فيها السيارة تخطيطًا جديدًا أو منافسًا لا يتبع المسار المتوقع. تحاول طرق أخرى التفاعل الفوري مع ما تراه السيارة في اللحظة الراهنة، لكنها غالبًا ما تفتقر إلى البصيرة للتخطيط لمناورة سلسة، مما يؤدي إلى قيادة متقطعة وغير مستقرة. ويستخدم نهج ثالث التعلم الآلي، حيث يتعلم الكمبيوتر من خلال مراقبة الخبراء أو عن طريق التجربة والخطأ. ومع ذلك، فقد تم اختبار معظم هذه الأنظمة التعليمية على سيارات منفردة تقود بمفردها فقط، أو كانت بطيئة جدًا في الاستجابة في الوقت الفعلي، مما أجبرها على القيادة بسرعات منخفضة للغاية لا تسم الله بالمنافسة. لقد ظلت الفجوة قائمة: لم ينجح أحد في تعليم الكمبيوتر كيفية السباق وجهًا لوجه ضد سيارة أخرى بسرعات عالية مع الاستجابة الفورية.
ولسد هذه الفجوة، قدم فريق من الباحثين نظامًا جديدًا يسمى "End2Race". تم تصميم هذا الإطار لتعليم سيارة ذاتية القيادة كيفية تجاوز مركبة أخرى في الوقت الفعلي، باستخدام عملية تعلم تحاكي كيفية تعلم السائق البشري: من خلال مراقبة خبير أولاً ثم الممارسة بمفرده. أعد الباحثون ساحة تدريب افتراضية حيث يتم إقران سيارة، تُعرف بالمركبة "الأنا" (ego vehicle)، بخصم. لقد أنشأوا 720 سيناريو متميزًا حيث يقود الخصم عبر مسارات مختلفة وبسرعات مختلفة، مما يجبر سيارة التعلم على اكتشاف كيفية إيجاد فجوة، والتحرك داخلها، والتجاوز بأمان. لا يعتمد النظام على خريطة مرسومة مسبقًا للمسار؛ بدًا من ذلك، يتعلم القيادة حصريًا بناءً على البيانات الخام من مستشعراته وسرعة محركه الخاص.
جوهر هذا النظام هو الشبكة العصبية، وهي نوع من برامج الكمبيوتر المصممة للتعرف على الأنماط، والتي بُنيت لتكون سريعة للغاية. في عالم سباقات السيارات ذاتية القيادة، يُقاس الوقت بالملي ثانية، ويمكن للتأخير ولو لجزء من الثانية أن يتسبب في خروج السيارة عن المنعطف أو اصطدامها. صمم الباحثون شبكتهم لاتخاذ قرار في أقل من مللي ثانية واحدة، وهي سرعة كافية لمواكبة التغيرات السريعة للسباق. ولتدريب هذه الشبكة، استخدموا أولاً طريقة تسمى "الاستنساخ السلوكي"، حيث حلل الكمبيوتر 720 عرضًا خبيرًا مدته ثماني ثوانٍ لتعلم أساسيات التوجيه والسرعة. ومع ذلك، لم يكن مجرد نسخ الخبير كافيًا، لأن الخبير قد يرتكب أخطاء أو يفشل في التكيف مع الطبيعة غير المتوقعة لخصم متحرك. ولإصلاح ذلك، جعل الفريق الكمبيوتر يسابق نفسه عبر هذه السيناريوهات 500 مرة، باستخدام تقنية تسمى "التعلم المعزز". في هذه المرحلة، تم مكافأة السيارة على التحرك للأمام بسرعة ومعاقبتها على الاصطدام، مما سمح لها بصقل استراتيجياتها الخاصة وتعلم كيفية التعامل مع المواقف التي لم يواجهها الخبير من قبل.
كانت نتائج هذا التدريب مذهلة. فعند اختبار السيارة المتعلمة على مسار لم تره من قبل، استطاعت القيادة بمتوسط سرعة يزيد عن 8.5 متر في الثانية، وهو أسرع بكثير من الطرق القائمة على التعلم السابقة التي كانت غالبًا محدودة بسرعات أقل من 3 أمتار في الثانية. والأهم من ذلك، عند وضعها في سباق وجهًا لوجه ضد خصم، نجح النظام الجديد في تجاوز المنافس في ما يقرب من 97 بالمائة من المحاولات مع الحفاظ على سجل سلامة يقارب 98 بالمائة. كان هذا الأداء متفوقًا بمراحل على الأنظمة القديمة القائمة على القواعد وطرق التعلم الأخرى، والتي إما كانت تصطدم بشكل متكرر أو تفشل في تجاوز الخصم تمامًا. أثبت النظام قدرته على التكيف مع خصوم مختلفين، حتى عندما كان أولئك الخصوم يقودون بطرق لم يرها الكمبيوتر من قبل، مثل استخدام خوارزمية مختلفة لتجنب العوائق.
كما فحص الباحثون بدقة كيف اتخذت السيارة قراراتها. في أحد السيناريوهات، ترصد السيارة خصمًا أبطأ أمامها، فتنتقل بسلاسة إلى الجانب لتتمركز مع الفجوة، ثم تتسارع للتجاوز. وفي سيناريو آخر، تضغط على المكابح قليلاً قبل منعطف حاد للحفاظ على السيطرة، ثم تتسارع بقوة بمجرد خروجها من المنعطف، وهي مناورة تحاكي التقنيات التي يستخدمها المتسابقون البشر المحترفون. لم يكن النظام مثاليًا؛ ففي حالات نادرة حيث يضيق المسار فجأة بينما تكون السيارتان جنبًا إلى جنب، تصطدم السيارة لأنها لا تستطيع التنبؤ بالشكل المستقبلي للمسار. ومع ذلك، كانت حالات الفشل هذه أقل بكثير مقارنة بالطرق الأخرى، وأظهر الأداء العام أن السيارة قد تعلمت أسلوب قيادة قوي وقابل للتكيف.
يشير هذا العمل إلى أن مستقبل سباقات السيارات ذاتية القيادة، وربما القيادة الذاتية عالية السرعة بشكل عام، يكمن في الأنظمة التي يمكنها التعلم من الخبرة بدلاً من الاعتماد على قواعد ثابتة. ومن خلال الجمع بين شبكة عصبية سريعة وفعالة وعملية تدريب مكونة من مرحلتين، أظهر الباحثون أن الآلة يمكنها تعلم كيفية التنقل في التفاعلات المعقدة والديناميكية بمستوى من السرعة والسلامة لم يكن ممكناً في السابق. لا يحتاج النظام إلى خريطة ليعرف إلى أين يذهب؛ فهو يحتاج فقط إلى رؤية العالم، وفهم تدفق حركة المرور، والاستجابة في طرفة عين. وبينما يستعد الباحثون لاختبار هذا النظام في مسابقات العالم الحقيقي ضد فرق أخرى، فإن الآثار المترتبة على ذلك تمتد إلى ما وراء حلبة السباق، لتقدم لمحة عن كيفية تعامل المركبات ذاتية القيادة يومًا ما مع الفوضى غير المتوقعة للطرق المشتركة بثقة ومهارة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.