Towards Collaborative Joint Perception and Prediction: Framework, Baseline Evaluation, and Deployment Perspectives

تخيل أنك تقود سيارة يمكنها التفكير بنفسها. هذا هو عالم القيادة الذاتية، حيث تتولى الحواسيب زمام الأمور للحفاظ على سلامتنا وانسيابية حركة المرور. ولكن حتى أذكى السيارات لديها "نقطة عمياء". إذا حجب شاحنة كبيرة رؤيتك، أو أخفى مبنى مشاةً يلتفون عند زاوية، فإن "عيون" سيارتك (كاميراتها وراداراتها الليزرية) لن تستطيع رؤية ما هو قادم. الأمر يشبه محاولة لعب كرة القدم وأنت ترتدي عصبة عين؛ قد تعرف القواعد، لكنك لا تستطيع رؤية الكرة.

ولإصلاح ذلك، يعلم العلماء السيارات كيف تتحدث مع بعضها البعض ومع أعمدة الإنارة الذكية. يسمى هذا "التواصل بين المركبة وكل شيء" (V2X). فبدلاً من الاكت hanya بالنظر من خلال زجاج سيارتها الأمامي، يمكن للسيارات مشاركة ما تراه هي. إذا رأت سيارة في شارع آخر مشاةً، يمكنها أن تصرخ: "مهلاً، انتبهوا!" للسيارة التي لا تستطيع رؤيتهم. هذا العمل الجماعي يسمى "الإدراك التعاوني". ولكن هناك عقبة: مجرد معرفة أين يوجد الشيء الآن ليس كافياً. يجب على السيارة أيضاً تخمين أين سيكون ذلك الشخص في الثواني القليلة القادمة. هذا هو الجزء الصعب المتمثل في "التنبؤ". إذا تعاونت السيارات لتخمين المستقبل، فقد تقدم تخميناً أفضل مما يمكن لسيارة واحدة القيام به بمفردها. ومع ذلك، فإن مشاركة كل تلك البيانات تستهلك الكثير من عرض النطاق الترددي للإنترنت، وإذا شاركت المعلومات الخاطئة، فقد تصبح مرتبكة بالفعل. هذا هو اللغز الذي يحاول العلماء حله: كيف تشارك السيارات المعلومات الصحيحة في الوقت المناسب للتنبؤ بالمستقبل بأمان دون سد الشبكة؟

---

فريق عمل الغد: طريقة جديدة للسيارات لـ "رؤية" المستقبل

تقدم هذه الورقة البحثية فكرة جديدة تسمى الإدراك والتنبؤ المشترك التعاوني (Co-P&P). فكر في الأمر كاستراتيجية فريق خارق للسيارات ذاتية القيادة. يقترح المؤلفون، وهم باحثون من XITASO ومعهد كارلسروه للتكنولوجيا، نظاماً لا تكتفي فيه السيارات بمشاركة قائمة بـ "الأشياء التي أراها"، بل يعملن معاً لبناء صورة ثلاثية الأبعاد كاملة للعالم قبل محاولة تخمين ما سيحدث بعد ذلك.

تتناول الورقة مشكلتين كبيرتين تجعلان القيادة الذاتية صعبة:

1. النقاط العمياء: الأشياء المختبئة خلف الأشجار أو السيارات الأخرى.
2. خطأ "لعبة ضرب الخلد" (Whack-a-Mole): في الأنظمة التقليدية، تجد السيارة أولاً جسماً ما، ثم تتبعه، ثم تخمن مساره. إذا ارتكبت خطأً طفيفاً في الخطوة الأولى (إيجاد الجسم)، فإن هذا الخطأ يكبر ويكبر حتى تحاول تخمين المستقبل. الأمر يشبه محاولة رسم خريطة لمدينة بناءً على رسم تخطيطي كان غير دقيق بالفعل؛ ستكون الخريطة النهائية كارثية.

يقترح المؤلفون حلاً ذكياً: دع السيارات تتعاون لـ "ملء الفراغات" في الصورة الناقصة أولاً، ثم استخدم هذه الصورة المثالية للقيام بالتنبؤ.

"المرآة السحرية" و"الكرة البلورية"

لشرح كيفية عمل ذلك، تخيل أن السيارات موجودة في غرفة بها مرآة ضخمة مكسورة. كل سيارة لديها قطعة من المرآة.

• الطريقة القديمة (المسار المتسلسل): تنظر السيارة (أ) إلى قطعتها، وترسم تخطيطاً لشخص، ثم تنظر السيارة (ب) إلى قطعتها، وترسم تخطيطاً، ثم يحاولان تخمين أين سيمشي الشخص. إذا كان تخطيط السيارة (أ) ضبابياً، فسيكون التخمين خاطئاً.
• الطريقة الجديدة (Co-P&P): تشارك السيارات قطع مراياها أولاً لبناء صورة واحدة ضخمة، كاملة، وفائقة الوضوية للغرفة بأكملها (وهذا ما يسمى إكمال المشهد التعاوني). بمجرد حصولهم على الصورة المثالية، يستخدمون بعد ذلك "كرة بلورية" (وحدة الإدراك والتنبؤ المشتركة) لتخمين أين سيذهب الشخص. ولأن الصورة مثالية، يكون التخمين أفضل بكثير.

الاكتشاف الكبير: لا تنتظر حتى النهاية!

أهم نتيجة في هذه الورقة تتعلق بـ متى يجب على السيارات مشاركة معلوماتها. اختبر الباحثون ثلاثة أوقات مختلفة لمشاركة البيانات:

1. في البداية (مستوى الكشف): مشاركة بيانات خام مثل "أرى سيارة هنا".
2. في المنتصف (مستوى التتبع): مشاركة بيانات مثل "هذه السيارة تتحرك بهذا الاتجاه".
3. في النهاية تماماً (مستوى التنبؤ): مشاركة بيانات مثل "السيارة ستكون هنا بعد 3 ثوانٍ".

تستبعد الورقة صراحةً المشاركة في النهاية تماماً. فقد وجدوا أنه إذا انتظرت السيارات حتى تضع توقعاتها الخاصة ثم شاركت تلك التوقعات، فإن ذلك يجعل الأمور أسوأ في الواقع. الأمر يشبه شخصين يحاولان تخمين الفائز في سباق، لكنهما لا يشاركان تخميناتهما النهائية إلا بعد انتهاء السباق. بحلول ذلك الوقت، إذا ارتكب أحدهما خطأً في منطقه، فإن مشاركة الإجابة الخاطئة لا تفيد؛ بل تنشر الخطأ فقط. تظهر الورقة أن الدمج على مستوى التنبؤ يؤدي إلى انخفاض في أداء النظام العام.

بدلاً من ذلك، تأتي أفضل النتائج من المشاركة المبكرة (عند مستوى الكشف أو التتبع). هذا يسمح للسيارات بتصحيح أخطاء بعضها البعض قبل أن تحاول التنبؤ بالمستقبل. أظهرت البيانات أن المشاركة المبكرة حسنت القدرة على رصد الأجسام المخفية (مثل مشاة خلف شجرة) بشكل كبير، بينما لم تساعد المشاركة المتأخرة للتنبؤ، واستخدمت بيانات إنترنت أكثر بكثير.

خدعة "الضغط"

هناك اكتشاف رائع آخر. مشاركة كل بيانات الليزر ثلاثية الأبعاد (المعروفة بسحب النقاط - point clouds) تستهلك عادةً مساحة هائلة من الإنترنت. بنى المؤلفون نموذجاً أولياً يستخدم "ترميزاً عصبياً" خاصاً (ضاغطاً ذكياً) يسمى RENO. ووجدوا أنه يمكنهم ضغط البيانات المشتركة بنحو 34 مرة (من ملف ضخم إلى ملف صغير جداً) دون فقدان القدرة على التنبؤ بالمستقبل بدقة.

تخيل إرسال فيلم عالي الدقة (HD) إلى صديق، ولكن بدلاً من إرسال الملف كاملاً، ترسل رسالة نصية صغيرة تخبر حاسوبه بالضبط بكيفية إعادة بناء الفيلم بشكل مثالي. هذا ما يفعله هذا الضغط. تظهر الورقة أنه حتى مع هذا الضغط القوي، لا تزال السيارات تتنبأ بالمستقبل بشكل أفضل مما لو لم تتحدث أبداً.

ما الذي اختبروه وماذا وجدوا؟

اختبر الباحثون أفكارهم باستخدام مجموعة بيانات حقيقية من الصين تسمى DA#IR-V2X-Seq، والتي تتضمن بيانات من السيارات وأجهزة الاستشعار الموجودة على جانب الطريق.

• النتيجة: عندما دمجوا البيانات مبكراً (مستوى الكشف)، أصبح النظام أفضل بكد في رصد السيارات، والدراجات الهوائية، والمشاة الذين كانوا مخفيين عن رؤية السيارة الرئيسية.
• التحذير: وجدوا أيضاً أن الأنظمة الحالية لا تزال تعاني قليلاً مع الأجسام الصغيرة مثل المشاة وراكبي الدراجات مقارنة بالسيارات الكبيرة.
• الثقة: تقدم الورقة هذه النتائج كأرقام تجريبية مقاسة. لم يكتفوا بالتخمين؛ بل قاموا بتشغيل الأرقام. أظهروا أنه بينما تنجح استراتيجية "المشاركة المبكرة"، فإن استراتيجية "المشاركة المتأخرة" تضر بالأداء. كما أشاروا إلى أن نموذجهم الأولي الشامل (الذي يقوم بكل شيء في خطوة واحدة) كان أفضل بكثير في التنبؤ بالمستقبل من الطريقة القديمة (خطوة بخطوة)، مما يثبت أن الطريقة القديمة (خطوة بخطوة) تؤدي إلى تراكم الأخطاء.

لماذا هذا مهم؟

تعطينا هذه الورقة خريطة طريق واضحة لكيفية تواصل السيارات ذاتية القيادة مع بعضها البعض. إنها تقول لنا: "لا تنتظر حتى تضع تخمينك لتطلب المساعدة. اطلب المساعدة بينما لا تزال تنظر". كما توضح أننا يمكننا جعل هذا العمل الجماعي فعالاً بما يكفي ليعمل على اتصالات الإنترنت دون إبطاء كل شيء.

بينما يعترف المؤلفون بأن بناء نظام مثالي لـ كل موقف (مثل المشاة الصغار) لا يزال عملاً قيد التطوير، وأنهم بحاجة إلى مزيد من البيانات لتدريب هذه الأنظمة بالكامل، إلا أن نتائجهم تشير إلى مسار واضح للمضي قدماً. من خلال السماح للسيارات بالتعاون لبناء صورة كاملة قبل تخمين المستقبل، وباستخدام ضغط ذكي لإبقاء البيانات خفيفة، يمكننا جعل السيارات ذاتية القيادة أكثر أماناً وإدراكاً للعالم من حولها.