🤖 AI

An Open-Source Modular Benchmark for Diffusion-Based Motion Planning in Closed-Loop Autonomous Driving

تقدم هذه الورقة معياراً مفتوح المصدر ومعياريًا يدمج مخطط حركة قائمًا على الانتشار ومُحسَّنًا بلغة ++C ضمن حزمة Autoware لـ ROS 2، مما يتيح تقييماً مغلق الحلقة في الوقت الفعلي وقابلاً للتهيئة أثناء التشغيل، ويُظهر تحسينات كبيرة في زمن الاستجابة والدقة من خلال مقارنات منهجية لخوارزميات الحل وعدد الخطوات.

المؤلفون الأصليون: Yun Li, Simon Thompson, Yidu Zhang, Ehsan Javanmardi, Manabu Tsukada

نُشر 2026-03-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yun Li, Simon Thompson, Yidu Zhang, Ehsan Javanmardi, Manabu Tsukada

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

الصورة الكبيرة: من "الصندوق الأسود" إلى "مجموعة الليغو"

تخيل أن لديك سيارة ذاتية القيادة. لكي تقود بأمان، تحتاج السيارة إلى "دماغ" يخطط لمسارها للأمام، ويقرر أين توجه المقود وكيف تتحكم في السرعة. مؤخرًا، بنى العلماء نوعًا ذكيًا جدًا من الأدمغة باستخدام ما يسمى نماذج الانتشار (Diffusion Models). فكر في هذه النماذج كفنان يبدأ بلوحة مليئة بالضجيج الساكن (مثل تشويش التلفاز) ثم يقوم بتنظيفها خطوة بخوة، حتى تظهر صورة مثالية لمسار القيادة.

هذه "الأدمغة الفنية" بارعة للغاية في تخطيط المسارات. ومع ذلك، هناك مشكلة كبيرة: فهي تُبنى حاليًا مثل كتل خرسانية صلبة وموحدة.

مشكلة "الكتلة الخرسانية": بمجرد بناء هذه الكتلة، لا يمكنك تغيير أي شيء بداخلها دون كسر الهيكل بالكامل والبدء من جديد. إذا أردت معرفة كيف يفكر "الدماغ" أثناء العملية، أو إذا أردت تسريع العمل عبر تغيير بعض الإعدادات، فلن تستطيع ذلك؛ سيتعين عليك إعادة بناء المحرك بالكامل.
مشكلة "القيادة الوهمية": معظم اختبارات هذه الأدمغة تحدث في محاكي ألعاب فيديو حيث لا تتواصل السيارة فعليًا مع كمبيوتر السيارة الحقيقي. الأمر يشبه اختبار محرك سيارة سباق على جهاز جري داخل مرآب؛ يبدو سريعًا، لكننا لا نعرف ما إذا كان سيتحمل الحرارة والضوضة وحركة المرور على طريق سريع حقيقي.

تقدم هذه الورقة البحثية طريقة جديدة لبناء هذه الأدمغة. فبدلاً من الكتلة الخرسانية، قاموا بتحويل النظام إلى مجموعة ليغو (Lego) تركيبية. لقد فككوا هذا الدماغ العملاق إلى ثلاثة أجزاء منفصلة وقابلة للاستبدال، وبنوا "متحكمًا" مخصصًا (مكتوب بلغة C++) لتشغيلها.

التحديثات الثلاثة الرئيسية

1. "السياق" مقابل "التفكير" (تخزين المشفر - Encoder Caching)

التشبيه: تخيل أنك تكتب قصة.

الطريقة القديمة (الكتلة الموحدة): في كل مرة تكتب فيها جملة جديدة، تعيد قراءة تاريخ القصة بالكامل، وتحلل الشخصيات مجددًا، وتراجع الإعدادات من الب ว่า البداية. هذا بطيء للغاية لأنك تكرر نفس الواجب المنزلي مرارًا وتكرارًا.
الطريقة الجديدة (النمطية): أنت تقرأ القصة وتحدد المشهد مرة واحدة في البداية. ثم تكتب "ملخص المشهد" على ورقة ملاحظات لاصقة. بعد ذلك، وفي كل جملة جديدة، تنظر فقط إلى تلك الورقة وتشرع في الكتابة الإبداعية. أنت لا تعيد قراءة الكتاب بالكامل في كل مرة.

النتيجة: وجد الباحثون أن جزء "إعداد المشهد" في الذكاء الاصطناوي يستغرق معظم الوقت. ومن خلال القيام به مرة واحدة وحفظ النتيجة (التخزين المؤقت/Caching)، جعلوا النظام أسرع بمقدار 3.2 مرة. وهذا هو الفرق بين سيارة لا تستطيع مواكبة حركة المرور وسيارة تستطيع ذلك.

2. "المحلل الذكي" (الدرجة الثانية مقابل الدرجة الأولى)

التشبيه: تخيل أنك تحاول تخمين درجة الحرارة في الخارج بناءً على بعض الأدلة.

الدرجة الأولى (التخمين الغبي): تخمن: "ربما هي 20 درجة". ثم تخمن مرة أخرى: "ربما 21؟". أنت تأخذ خطوات صغيرة وبطيئة للوصول إلى الإجابة.
الدرجة الثانية (التخمين الذكي): تخمن 20، ثم تنظر إلى مدى سرعة تغير درجة الحرارة والاتجاه الذي تسلكه. تقوم بإجراء "تصحيح" لتخمينك، فتقفز مباشرة نحو الإجابة الصحيحة بشكل أسرع بكثير.

النتيجة: باستخدام طريقة رياضية "أذكى" (تسمى محلل الدرجة الثانية - Second-Order Solver)، يمكن للسيارة التخطيط لمسارها بدقة أعلى بنسبة 41% باستخدام نفس عدد الخطوات. أو، يمكنها استخدام خطوات أقل للوصول إلى نفس الدقة.

3. "اختبار العالم الحقيقي" (الحلقة المغلقة - Closed-Loop)

التشبيه:

الاختبارات القديمة: مثل مشاهدة فيلم لسيارة تقود؛ تتبع السيارة سيناريو معين، لكن الفيلم لا يتفاعل إذا ارتكبت السيارة خطأً.
الاختبار الجديد: مثل لعب لعبة فيديو حيث تقود السيارة نفسها بالفعل. إذا ترددت السيارة، تتفاعل السيارات الأخرى في اللعبة. وإذا كانت السيارة بطيئة جدًا، يحدث ازدحام مروري.

النتيسة: وضع الباحثون "دماغ الليغو" الجديد الخاص بهم داخل نظام برمجيات قيادة ذاتية حقيقي (Autowane) واختبروه في محاكي واقعي. لقد أثبتوا أنه يعمل في الوقت الفعلي، ويتفاعل مع إشارات المرور والسيارات الأخرى تمامًا كما تفعل السيارة الحقيقية.

لماذا يهم هذا الأمر؟

قبل هذه الورقة البحثية، إذا أراد باحث اختبار طريقة جديدة لجعل الذكاء الاصطناعي يفكر بشكل أسرع، كان عليه:

كسر الكتلة الخرسانية العملاقة.
إعادة بناء الشيء بالكامل.
إعادة تدريب الذكاء الاصطناعي (وهو ما يستغرق أيامًا).
والأمل في أن يعمل لا يزال.

الآن، بفضل هذه الورقة البحثية:

يمكن للباحثين استبدال جزء "التفكير" مثل تغيير البطارية في جهاز التحكم عن بعد.
يمكنهم تغيير الإعدادات (مثل "عدد خطوات التفكير") أثناء تشغيل السيارة.
يمكنهم رؤية ما يفكر فيه الذكاء الاصطناعي بالضبط في كل خطوة، مما يحول "الصندوق الأسود" إلى نافذة شفافة.

الخلاصة

لقد أخذ المؤلفون مخططًا قويًا ولكنه جامد للذكاء الاصطناعي، وفككوه وأعادوا بناءه ليكون أسرع، وأذكى، وأسهل في التعديل. لقد أثبتوا أنه بمجرد تنظيم الكود بشكل أفضل (التصميم النمطي) واستخدام خدعة رياضية أذكى (حل الدرجة الثانية)، يمكننا جعل السيارات ذاتية القيادة تخطط لمساراتها في الوقت الفعلي دون الاصطدام، مع إبقاء النظام مفتوحًا لأي شخص يرغب في التطوير.

باختصار: لقد حولوا آلة غامضة، بطيئة، وجامدة إلى أداة سريعة، مرنة، وشفافة تعمل بالفعل في العالم الحقيقي.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "معيار معياري مفتوح المصدر للتخطيط الحركي القائم على الانتشار في القيادة الذاتية ذات الحلقة المغلقة."

1. بيان المشكلة

على الرغم من تحقيق المخططات الحركية القائمة على الانتشار (Diffusion-based motion planners) لنتائج رائدة في اختبارات مثل nuPlan، إلا أن تقييمها ونشرها في أنظمة القيادة الذاتية (AD) ذات الحلقة المغلقة في العالم الحقيقي لا يزال غير مستكشف إلى حد كبير. تحدد الورقة فجوتين نقدتين في الأبحاث الحالية:

فجوة "الحلقة المغلقة الزائفة": تعتمد التقييمات الحالية غالبًا على محاكيات قائمة على لغة بايثون أو إعادة تشغيل مجموعات البيانات (مثل وكلاء nuPlan التفاعليين). هذه الإعدادات تتجاهل قيود الإنتاج الحرجة، مثل زمن انتقال الاتصال في ROS 2، ومسارات معالجة البيانات الاستباقية للمستشعرات، والجدولة في الوقت الفعلي على الحوسبة المشتركة للمركبة. نتيجة لذلك، تظل الفجوة في الأداء بين "مقاييس المعيار" و"الأداء القابل للنشر في المركبة" غير مقاسة.
فجوة "النشر المتجانس": تقوم أنابيب النشر الحالية بتصدير عملية الانتشار بأكملها (بما في ذلك جدول الضجيج، ومنطق الحلّال، وكتل DiT التكرارية) إلى رسم بياني واحد متجانس بصيغة ONNX.
- المعلمات الجامدة: يتم تجميد معلمات الحلّال (عدد الخطوات $N$ ، رتبة الحلّال، وجدول الضجيج) عند وقت التصدير. ويتطلب تغييرها إعادة تصدير النموذج وإعادة تجميعه.
- الحوسبة الزائدة: في الرسم البياني المتجانس، يتم تنفيذ مشفر السياق (Context Encoder) بشكل متكرر عند كل خطوة إزالة ضجيج، مما يؤدي إلى هدر حوسبي هائل.
- الصندوق الأسود: لا يمكن للباحثين مراقبة خطوات إزالة الضجيج المتوسطة أو ضبط الحلّال ديناميكيًا أثناء وقت التشغيل.

2. المنهجية

يقترح المؤلفون معيارًا معياريًا مفتوح المصدر يقوم بتفكيك مخطط الانتشار المتجانس إلى وحدات مستقلة التنفيذ، يتم تنسيقها بواسطة حلّال (Solver) أصيل بلغة C++ داخل نظام Autoware (الذي يعمل بـ ROS 2).

أ. تفكيك الرسم البياني (ONNX GraphSurgeon)

باستخدام ONNX GraphSurgeon، قام المؤلفون بتفكيك الرسم البياني المتجانس الأصلي المكون من 18,398 عقدة (المبني على بنية مخطط الانتشار) إلى ثلاث وحدات متميزة:

مشفر السياق (3,417 عقدة): يعالج سياق المشهد (وضعية المركبة، الجيران، الخريطة، المسار، الإشارات). يعمل مرة واحدة لكل دورة تخطيط، ويتم تخزين مخرجاته مؤقتًا.
جوهر DiT (1,237 عقدة): المحور الأساسي لترانسفورمر الانتشار (Diffusion Transformer). يتم استدعاؤه $N$ من المرات (حيث $N$ هو عدد خطوات إزالة الضجيج) باستخدام تضمين السياق المخزن مؤقتًا.
مصنف مؤشر الانعطاف (7 عقدات): طبقة خطية خفيفة الوزن للتنبؤ بالإشارات اللاحقة.

ب. تنفيذ الحلّال بلغة C++ الأصلية

تمت إعادة تنفيذ حلقة إزالة الضجيج التكرارية باستخدام خوارزمية DPM-Solver++ في لغة C++ الأصلية.

قابلية التكوين في وقت التشغيل: يمكن جعل المعلمات مثل عدد الخطوات ( $N \in [1, 50]$ )، ورتبة الحلّال (الأولى أو الثانية)، وجدول الضجيج ( $\beta_0, \beta_1$ ) متاحة كمعلمات لـ ROS 2. ويمكن تغييرها أثناء وقت التشغيل دون الحاجة لإعادة تجميع النموذج.
تخزين السياق مؤقتًا: يتم حساب تضمين السياق مرة واحدة وإعادة استخدامه لجميع استدعاءات DiT البالغ عددها $N$ .
التكامل: يتم نشر النظام كعقدة ROS 2 جاهزة للاستخدام ضمن نظام Autoware، وتم التحقق من صحته باستخدام AWSIM (محاكي الحلقة المغلقة المتكامل مع Autoware).

ج. منطق الحلّال

يدعم النظام ما يلي:

DPM-Solver++ (الرتبة الأولى والثانية): حلّالات ODE عالية الرتبة لأخذ عينات فعالة.
DDIM: للمقارنة مع أخذ العينات الحتمي.
جدولة الخطوات الزمنية: يستخدم توزيع مسافات logSNR-uniform للتركيز على الخطوات في مناطق الضجيج العالي حيث تكون التغيرات في المسار هي الأكثر سرعة.

3. المساهمات الرئيسية

معيار معياري مفتوح المصدر: إطار عمل يفكك مخطط انتشار ONNX متجانس إلى وحدات قابلة للتنفيذ، مما يسمح بتقييم الحلّال بنظام "التركيب والتشغيل" (Plug-and-play) ضمن نظام ROS 2 قياسي (Autowable + AWSIM).
الاستدلال القابل للتكوين في وقت التشغيل: تنفيذ بلغة C++ الأصلية يسمح للباحثين بدراسة سلوك الحلّال (عدد الخطوات، الرتبة، جدول الضجيج) دون الحاجة لإعادة تدريب أو إعادة تجميع الشبكة العصبية.
التحليل المنهجي للحلّال: أول تقييم لمخططات الانتشار تحت ظروف الحلقة المغلقة الحقيقية مع إمكانية المراقبة لكل خطوة، متجاوزًا عمليات النشر المتجانسة التي تعمل كـ "صندوق أسود".
إطلاق الكود المصدري: تم إصدار الكود المصدري بالكامل لتسهيل البحث القابل لإعادة الإنتاج من المحاكاة إلى النشر في المركبات الحقيقية.

4. النتائج الرئيسية

أُجريت التجارب على معالج Intel Core i9 (لعزل الفوائد الهيكلية عن تسريع وحدة معالجة الرسومات) وتم التحقق من صحتها في سيناريوهات القيادة الحضرية في AWSIM.

تقليل زمن الاستجابة عبر التخزين المؤقت للمشفر:
- البنية المتجانسة تنفذ المشفر بشكل زائد $N+1$ من المرات.
- النهج المعياري يشغل المشفر مرة واحدة فقط.
- النتيجة: تقليل زمن الاستجابة بمقدار 3.2 ضعف (على سبيل المثال، من 119 مللي ثانية إلى 37 مللي ثانية عند $N=3$ ) مع الحفاظ على دقة تنبؤ متطابقة. وهذا يجعل أوقات الاستدلال ضمن ميزانية التخطيط النموذجية البالغة 100 مللي ثانية لعقد Autoware.
تأثير رتبة الحلّال:
- يتفوق DPM-Solver++ من الدرجة الثانية بشكل كبير على الحلّالات من الدرجة الأولى.
- النتيجة: عند $N=3$ ، يقلل الحل من الدرجة الثانية خطأ الإزاحة النهائي (FDE) بنسبة 41% (من 0.61 م إلى 0.36 م) مقارنة بالدرجة الأولى. كما يحقق دقة الحل من الدرجة الأولى عند $N=5$ باستخدام $N=3$ خطوات فقط.
جدولة الخطوات الزمنية:
- يعد استخدام جدول خطوات مخصص لعدد الخطوات المنخفض أمرًا بالغ الأهمية. إن تقليص جدول مكون من 10 خطوات إلى 3 خطوات يؤدي إلى نتائج سيئة (FDE قدره 2.53 م)، بينما يحقق جدول مخصص لـ 3 خطوات FDE قدره 0.36 م (تحسن بمقدار 7 أضعاف).
التكافؤ العددي:
- يحافظ المسار المعياري على التكافؤ العددي مع النموذج المتجانس (الخطأ الأقصى $< 10^{-5}$ )، مما يضمن أن التفكيك لا يقلل من دلالات النموذج.
التحقق من الحلقة المغلقة:
- تم النشر بنجاح في AWSIM لأكثر من 600 دورة تخطيط في بيئة حضرية، مع الحفاظ على معدل إخراج يقارب 10 هرتز دون حدوث تصادمات.

5. الأهمية

يجسر هذا العمل الفجوة الحرجة بين أبحاث نماذج الانتشار الأكاديمية والنشر الصناعي للقيادة الذاتية.

الواقعية: ينقل التقييم من "الحلقة المغلقة الزائفة" (محاكيات بايثون) إلى "الحلقة المغلقة الحقيقية" (أنظمة ROS 2 مع قيود الاتصال والجدولة).
المرونة: من خلال فصل الحلّال عن النموذج، فإنه يتيح التخطيط في أي وقت (Anytime Planning)، حيث يمكن للنظام ضبط عدد خطوات إزالة الضجيج ديناميكيًا بناءً على وقت الحوسبة المتاح (على سبيل المثال، التراجع إلى $N=3$ إذا كان النظام مثقلاً بالأعباء) مع الحفاظ على السلامة.
قابلية إعادة الإنتاج: يوفر منصة معيارية مفتوحة المصدر لمقارنة الحلّالات المختلفة واستراتيجيات الجدولة المختلفة تحت ظروف واقعية، مما يعالج نقص الشفافية في عمليات نشر TensorRT المتجانسة.

باختاً، توضح هذه الورقة أن التفكيك المعياري والتخزين المؤقت للمشفر ضروريان لجعل المخططات القائمة على الانتشار قابلة للتطبيق في القيادة الذاتية في الوقت الفعلي والحرجة للسلامة، مما يوفر مسارًا واضحًا من معايير المحاكاة إلى النشر في المركبات الحقيقية.