CoLMIN: LLM-based Multi-Decision Path Negotiation for Cooperative Autonomous Driving

إن قيادة السيارة بمفردك هي فعل من أفعال التقدير المنفرد، لكن القيادة وسط الزحام هي محادثة مستمرة وصامتة. لعقود من الزمن، حاول المهندسون تعليم الآلات خوض تلك المحادثة، آملين أنه إذا استطاعت السيارات مشاركة نواياها وتنسيق تحركاتها، فإن حركة المرور ستتدفق بشكل أكثر أماناً وسلاسة. اعتمدت المحاولات المبكرة على قواعد جامدة أو صيغ رياضية معقدة، لكنها غالباً ما كانت تعاني أمام عدم القدرة على التنبؤ والفوضى التي تفرضها الحياة الواقعية. ومؤخراً، بدأ الباحثون في استخدام نماذج اللغات الكبيرة — وهي أنظمة حاسوبية قوية مدربة على كميات هائلة من النصوص البشرية — لمساعدة السيارات على "التحدث" مع بعضها البعض. يمكن لهذه الأنظمة أن تفكر في المواقف المعقدة كما يفعل السائق البشري، حيث تزن الخيارات وتتفاوض حول من يجب أن يمر أولاً. ومع ذلك، ظهر عيب جوهري في هذه الأساليب الجديدة: فعندما تتفاوض السيارات، غالباً ما تتعثر. فإذا اقترحت مركبتان خطة واحدة ثابتة واختلفتا عليها، فإنهما تميلان إلى التشبث بآرائهما، رافضتين التراجع حتى تفشل عملية التفاوض، مما قد يؤدي إلى تصادم أو ازدحام مروري.

ولحل هذه المشكلة، طور فريق من الباحثين إطار عمل جديداً يسمى CoLMIN، والذي يغير طريقة تفاوض المركبات ذاتية القيادة. فبدلاً من إجبار كل سيارة على اختيار مسار واحد فقط للمضي قدماً والدفاع عنه، يشجع CoLMIN كل مركبة على توليد عدة خيارات آمنة مختلفة في آن واحد. تخيل مجموعة من الأشخاص يحاولون تقرير مكان لتناول الطعام؛ إذا أصر الجميع على مطعم واحد فقط، فقد لا يتفق الفريق أبداً. ولكن إذا اقترح الجميع عدة أماكن مختلفة، فستكون لدى المجموعة فرصة أفضل بكثير لإيجاد حل يناسب الجميع. وبالمثل، يسمح نظام CoLMIN للسيارات بتقديم قائمة من الإجراءات الممكنة لجيرانها. ثم يقوم النظام بتقييم هذه الخيارات، بحثاً عن المزيج الذي يحافظ على سلامة الجميع وحركتهم بكفاءة. وإذا لم تؤدِ الاقتراحات الأولية إلى اتفاق، فإن النظام لا يكتفي بتكرار نفس الجدال؛ بل يستخدم "تأملاً سطحياً" لتقديم نصائح سريعة ومحددة حول كيفية تحسين الخطط، وإذا ظلت السيارات عنيدة، يتدخلت آلية "التأمل العميق" لتذكيرها بضرورة التفكير في استراتيجيات جديدة تماماً، مما يمنعها من الوقوع في حلقات مفرغة غير منتجة.

اختبر الباحثون هذا النظام في محاكاة حاسوبية عالية الدقة لمدينة مزدحمة، حيث وضعوا طريقتهم الجديدة في مواجهة التقنيات الحالية في عشر سيناريوهات مختلفة وصعبة، بما في ذلك التقاطعات المعقدة وتغييرات المسارات الصعبة. وأظهرت النتائج أن نظام CoLMIN كان أكثر فعالية بشكل ملحوظ من الطرق السابقة. ففي أصعب اختبارات تغيير المسارات، حسّن النظام الجديد السلامة بنسبة 8 بالمائة وزاد معدل النجاح الإجمالي لإتمام الرحلة بنسبة 13 بالمائة مقارم بأفضل البدائل المتاحة. وكشفت عمليات المحاكاة أن الطريقة القديمة في التفاوض غالباً ما كانت تؤدي إلى حالة من الجمود، حيث تتوقف السيارات أو تصطدم لأنها كانت واثقة جداً في خطتها الواحدة والجامدة. وفي المقابل، سمح نهج الخيارات المتعددة للمركبات بأن تكون مرنة، لتجد حلاً وسطاً يحافظ على حركة المرور دون تصادمات. وقد أثبت النظام متانته حتى عند إضافة عناصر غير متوقعة أخرى، مثل المشاة وراكبي الدراجات، محافظاً على أداء عالٍ في المواضع التي تعثرت فيها الأساليب الأخرى.

وما يجعل هذا النهج واعداً بشكل خاص ليس فقط كونه يعمل بشكل أفضل، بل في كيفية عمله. فالنظام لا يعتمد على قرار واحد مثالي يُتخذ في جزء من الثانية، بل يحاكي القدرة البشرية على إعادة النظر والتكيف. فعندما أظهرت المحاكاة أن خطة مقترحة غير آمنة أو غير فعالة، قدم النظام تغذية راجعة فورية لتعديل المسار. وإذا استمرت السيارات في الجدال حول نفس النقطة، قام نموذج التأمل العميق بتحليل تاريخ المحادثة، وحدد أن المركبات كانت شديدة العناد، ثم وجهها نحو مجموعة مختلفة من الخيارات. هذه العملية المتمثلة في توليد مسارات متعددة، وتقييمها، والتأمل في الأخطاء السابقة، سمحت للسيارات بالوصول إلى اتفاق مستقر بشكل أسرع من ذي قبل. وفي الواقع، قللت الطريقة الجديدة من عدد جولات التفاوض اللازمة للوصول إلى اتفاق، وخفضت بشكل كبير من معدل السلوك المتصلب والمفرط في الثقة.

ورغم أن هذه النتائج تقتصر حالياً على المحاكاة الحاسوبية، إلا أنها تقدم مساراً واضحاً لمستقبل القيادة الذاتية. ويقر الباحثون بأن الطرق في العالم الحقيقي تنطوي على ضجيج، وتأخير في الاتصالات، وسائقين بشريين لا يتبعون القواعد دائماً، وهي عوامل يصعب نمذجتها مثل البيئة الرقمية المنضبطة. ومع ذلك، فإن نجاح CoLMIN في عمليات المحاكاة هذه يشير إلى أن مفتاح القيادة الآمنة والمتعاونة يكمن في المرونة. فمن خلال الابتعد عن فكرة وجوب امتلاك السيارة لخطة واحدة مثالية، وتبني واقع أن هناك طرقاً عديدة جيدة لحل مشكلات المرور، يقربنا هذا الإطار الجديد من مستقبل يمكن فيه لمركباتنا أن تتنقل في العالم معاً، ليس فقط كآلات تتبع الأكواد البرمجية، بل كمشاركين في محادثة ذكية مشتركة.