PersonaDrive: Controllable Trajectory Prediction with Multi-Dimensional Driving Personas

في كل مرة تتنقل فيها سيارة ذاتية القيادة في شارع مزدحم بالمدينة، يتعين عليها اتخاذ سلسلة من القرارات في أجزاء من الثانية حول وجهتها وسرعة الوصول إليها. لسنوات، علم الباحثون هذه المركبات كيفية التنبؤ بالمسارات المستقبلية للسيارات الأخرى والمشاة، لكن المركبات نفسها تم تدريبها إلى حد كبير على القيادة بطريقة واحدة، آمنة، ويمكن التنبؤ بها. لقد تمت برمجتها لتكون السائق المثالي الحذر الذي لا يسرع دون داعٍ ولا ينعطف بشكل حاد أبداً. وبينما يعد هذا النهج آمناً، إلا أنه يفتقد جزءاً حاسماً من الواقع البشري: فالناس يقودون بشكل مختلف اعتماداً على هويتهم، وإلى أين يتجهون، وكيف يشعرون. فالوالد الذي يهرع بطفل مريض إلى المستشفى يحتاج إلى رحلة سلسة ولطيفة حتى لو كان في عجلة من أمره، بينما قد يحتاج إطفائي يسابق الزمن للوصول إلى حريق ما إلى قبول مسار أكثر خشونة وعدوانية لكسب الوقت. وحتى الآن، عانت الأنظمة ذاتية القيادة من فهم هذه الاحتياجات البشرية الدقيقة والمتضاربة، وغالباً ما كانت تعود إلى أسلوب واحد يناسب الجميع، مما يجعلها تبدو آلية ومنفصلة عن الموقف الفعلي للراكب.

لقد عالج فريق من الباحثين من كوريا الجنوبية هذه المشكلة عبر ابتكار طريقة جديدة لتعليم السيارات ذاتية القيادة فهم "الشخصية" الكامنة وراء المقود. فقد أدركوا أن سلوك القيادة البشري لا يتعلق فقط بكونه سريعاً أو بطيئاً؛ بل يتشكل من خلال قوتين متمايزتين. الأولى هي الاستعجال، الذي يحدد مدى سرعة رغبة السائق في الوصول إلى وجهته. والثانية هي الراحة، التي تحدد مدى سلاسة الرحلة التي يرغب السائق في خوضها، مع إعطاء الأولوية للرحلة اللطيفة على السرعة. ومن خلال فصل هذين العاملين، أنشأ الباحثون إطار عمل جديداً يسمح للمركبة بأن تُوجه ليس فقط لـ "القيادة بسرعة" أو "القيادة ببطء"، بل لتبني "شخصية قيادة" محددة توازن بين هذه الرغبات المتنافسة.

لاختبار هذه الفكرة، كان على الفريق أولاً بناء نوع جديد من مكتبات التدريب. فقد أخذوا آلاف المشاهد من مشاهد القيادة في العالم الحقيقي واستخدموا نماذج لغوية متقدمة لتوليد تسع نسخ مختلفة من الرحلة نفسها. وتوافق كل نسخة منها مع مزيج فريد من الاستعجال والراحة، بدءاً من الرحلة المذعورة والمضطربة لشخص في أزمة يائسة، وصولاً إلى الرحلة البطيئة وفائقة السلاسة لراكب يشعر بوعكة صحية. ولكل سيناريو من هذه السيناريوهات التسعة، كتبوا أوصافاً باللغة الطبيعية قد يقولها راكب بالفعل لسائق، مثل "أرجوك، اضغط على البنزين! طفلي محبوس في السيارة"، أو "هل يمكنك من فضلك القيادة بلطف؟ أحمل معي قهوة ساخنة". وهذه المجموعة، التي أطلقوا عليها اسم (PCT)، تربط هذه الأوصاف النصية بالمسارات الفيزيائية الدقيقة التي يجب أن تسلكها السيارة لتطابق ذلك المزاج المحدد.

ومع الحصول على هذه البيانات الجديدة، طور الباحثون نظاماً أطلقوا عليه اسم (PersonaDrive). يعمل هذا النظام كمترجم، حيث يأخذ طلب الراكب النصي ويحوله إلى تعليمات محددة لتوجيه السيارة وتسارعها. وبدلاً من التعامل مع كل تعليم كأنه مفتاح بسيط، يتعلم النظام تعديل مسار السيارة على محورين منفصلين. فإذا طلب الراكب السرعة، تتعلم السيارة قطع مسافة أكبر في وقت أقل. وإذا طلب الراكب الراحة، تتعلم السيارة تنعيم منعطفاتها وتجنب الهزات المفاجئة. والأهم من ذلك، يمكن للنظام التعامل مع الطلبات التي تمزج بين هاتين الحاجتين، مثل راكب في عجلة من أمره ولكنه يحتاج إلى رحلة سلسة لأنه يحمل معدات طبية هشة. وقد وجد الباحثون أنه من خلال تعليم السيارة احترام كلا المحورين في آن واحد، استطاعت توليد مسارات كانت أكثر دقة في مطابقة نية الراكب من الطرق السابقة، التي كانت غالباً ما تتعثر في نمط واحد من القيادة.

أظهرت نتائج تجاربهم أن هذا النهج يعمل بشكل أفضل بكثير من النماذج القديمة. فعند اختباره في محاكاة قيادة قياسية، تنبأ النظام الجديد باستمرار بالمسار الصحيح لجميع شخصيات القيادة التسع، في حين فشلت الأنظمة القديمة غالباً في التمييز بين سائق يريد أن يكون سريعاً وآخر يريد أن يكون سلساً. كما اكتشف الباحثون أن مجرد إعطاء السيارة وصفاً نصياً كان أكثر فعالية من إعطائها رمزاً أو تسمية بسيطة. فقد ساعدت اللغة نفسها النظام على فهم الفروق الدقيقة في الطلب، مما سمح له بإنشاء نطاق مستمر من أساليب القيادة بدلاً من مجرد فئات جامدة قلي تعدادها قليل. وهذا يشير إلى أن مستقبل القيادة الذاتية قد لا يكمن في برمجة سيارة لتكون آلة مثالية بلا مشاعر، بل في تعليمها فهم القصص الإنسانية وراء الرحلة، وتعديل سلوكها ليتناسب مع الاحتياجات الفريدة لكل راكب.