Latency Analysis and Optimization of Alpamayo 1 via Efficient Trajectory Generation

تخيل أنك تقوم بتعليم سيارة ذاتية القيادة كيفية التنقل في مدينة مزدحمة. في الماضي، كانت هذه السيارات تشبه "الصناديق السوداء": كانت ترى الطريق وتلف المقود فحسب، لكن لم يكن أحد يعرف لماذا اتخذت ذلك القرار.

مؤخراً، تم بناء نوع جديد من السيارات (مثل تلك الموجودة في هذه الورقة البحثية، والتي تسمى Alpamayo 1) لتكون أكثر شبهاً بالسائق البشري. فهي لا تقود فحسب؛ بل "تفكر بصوت عالٍ". فقبل أن تتحرك، تُنشئ تفسيراً يمكن للبشر قراءته (مثل: "أنا أبطئ السرعة لأن هناك مشاة يعبرون الطريق")، ثم تتنبأ بعدة مسارات محتملة يمكنها اتخاذها.

نظر الباحثون في هذه السيارة الذكية وسألوا: "إنها ذكية جداً، لكنها بطيئة جداً أيضاً. هل يمكننا جعلها أسرع دون جعلها أقل ذكاءً؟"

إليك كيف حلوا المشكلة، مشروحة عبر تشبيهات بسيطة:

المشكلة: عنق زجاجة "النسخ واللصق"

كان لدى نظام Alpamayo الأصلي عادة الإفراط في التدقيق. إذا احتاجت السيارة للتنبؤ بـ ستة مسارات مستقبلية محتملة (مسارات حركة) لاختيار المسار الأكثر أماناً، فإن النظام كان يقوم بما يلي:

1. يفكر في سبب للمسار رقم 1.
2. يفكر في سبب جديد تماماً للمسار رقم 2.
3. يفكر في سبب جديد تماماً للمسار رقم 3... وهكذا.

التشبيه: تخيل أنك طاهٍ (شيف) يقوم بإعداد ست وجبات مختلفة لحفلة. كان النظام الأصلي يشبه الطاهي الذي يكتب وصفة مفصلة وجديدة كلياً لكل وجبة قبل طبخها. حتى لو كانت الوجبات متشابهة، كان الطاهي يضيع الوقت في كتابة ست وصفات مختلفة. هذا جعل المطبخ (الكمبيوتر) بطيئاً جداً، خاصة عندما تكبر الحفلة.

الحل 1: "الخطة الرئيسية الواحدة" (التفكير الأحادي)

أدرك الباحثون أن السيارة لا تحتاج في الواقع إلى وصفة فريدة لكل مسار. هي تحتاج فقط إلى خطة واحدة جيدة لفهم الموقف.

قاموا بإعادة تصميم النظام بحيث تفكر السيارة في سبب واحد (مثلاً: "هناك مشاة، لذا يجب أن نكون حذرين") ثم تستخدم هذا السبب نفسه لتوليد المسارات الستة جميعها. تظل المسارات تبدو مختلفة لأن السيارة تضيف القليل من العشوائية إلى حركات القيادة، تماماً كما قد يفعل البشر عند الانحراف قلي_اً لليسار أو اليمين مع البقاء في نفس المسار.

النتيجة: بدلاً من كتابة ست وصفات، أصبح الطاهي الآن يكتب وصفة رئيسية واحدة ويستخدمها لطبخ الوجبات الست.

• هل اختلف طعم الطعام؟ لا. اختبر الباحثون المسارات ووجدوا أنها كانت متنوعة وآمنة تماماً مثل السابق.
• هل أصبحت أسرع؟ نعم، بشكل ملحوظ. فقد توقف الوقت المستغرق في "التفكير" عن الزيادة كلما طلبوا مسارات أكثر.

الحل 2: "خط التجميع" (تحسين عملية الطبخ)

حتى مع وجود وصفة واحدة، كانت عملية الطبخ الفعلية (توليد حركات القيادة) لا تزال متعثرة. كان الكمبيوتر يقوم بالكثير من "التحركات" غير الضرورية للمكونات في ذاكرته. في كل مرة يتخذ فيها خطوة لتحسين المسار، كان ينسخ مساحة عمله بالكامل إلى طاولة جديدة، ويمسح الطاولة القديمة، ثم يبدأ من جديد.

التشبيه: تخيل رساماً يعمل على لوحة. كان النظام الأصلي يشبه الرسام الذي، بعد كل ضربة فرشاة، يتوقف، ويجمع كل أدوات الرسم الخاصة به، وينتقل إلى حامل لوحات جديد، ثم يفرغ أدواته، ويبدأ الرسم مجدداً. كان وقت "الجمع والتفريغ" هذا يستغرق معظم الوقت.

أصلح الباحثون ذلك من خلال:

1. تجهيز مساحة العمل مسبقاً: قاموا بتجهيز مساحة عمل كبيرة وثابتة يمكنها استيعاب كل ما هو مطلوب لجلسة الرسم بأكملها. لا مزيد من الجمع والتفريغ.
2. تسجيل الحركات: استخدموا أداة خاصة (تسمى CUDA graphs) لتسجيل حركات يد الرسام بدقة مرة واحدة. بدلاً من أن يخبر عقل الرسام (CPU) اليد (GPU) بما يجب فعله مع كل ضربة فرشاة، يقوم العقل فقط بالضغط على زر "تشغيل"، وتكرر اليد الحركات المسجلة فوراً.

النتيجة: اختفى وقت "الجمع والتفريغ"، وأصبح الرسم أسرع بكثير.

الصورة الكبيرة

من خلال دمج هذين الإصلاحين، جعل الباحثون السيارة ذاتية القيادة أسرع بنسبة 69%.

• قبل: كان الأمر يستغرق حوالي 13 ثانية للتفكير والتخطيط لـ 6 مسارات.
• بعد: يستغرق حوالي 4 ثوانٍ.

الخلاصة:
تثبت هذه الورقة البحثية أنك لست بحاجة للتضحية بالذكاء من أجل السرعة. فمن خلال إدراك أن السيارة لا تحتاج إلى "إعادة اختراع العجلة" (أو كتابة سبب جديد) لكل احتمال، ومن خلال تنظيم ذاكرة الكمبيوتر بشكل أكثر كفاءة، يمكننا جعل هذه الأنظمة الذكية القائمة على الاستنتاج سريعة بما يكفي لتكون مفيدة في العالم الحقيقي.