Foundation Models and Agentic AI for Autonomous Driving: A Systematic Review
تُجمّع هذه المراجعة المنهجية أكثر من 100 عمل لتقديم تصنيف موحد مكون من تسعة محاور يدمج بين النماذج التأسيسية، والذكاء الاصطناعي الوكيل، وأنظمة الاتصال بين المركبة وكل ما يحيط بها (V2X) التعاونية، متميزةً عن الدرا المسحية السابقة بمعالجتها المشتركة للمقايضة بين الاستدلال والكفاءة، وفجوات المحاكاة إلى الواقع، وحوكمة السلامة ضمن منظور هندسة معرفية شامل للقيادة الذاتية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
لطالما كان الطريق نحو سيارة ذاتية القيادة حقاً ممهداً بنوع محدد من الهندسة: خط تجميع جامد حيث يرى جزء حاسوبي واحد العالم، ويقرر جزء آخر ما يجب فعله، ويقوم جزء ثالث بتوجيه عجلة القيادة. لسنوات طويلة، نجح هذا النهج المجزأ في إبقاء السيارات تتحرك، لكنه عانى عندما واجه الطبيعة الفوضوية وغير المتوقعة للحياة الواقعية. فالسائق البشري لا يرى مجرد ضوء أحمر فحسب؛ بل يفهم سياق منطقة بناء، ونية شخص يعبر الطريق بشكل مفاجئ، وإلحاح سيارة إسعاف تقترب، كل ذلك بينما يشرح أفعاله للركاب. ولتجسير الفجوة بين الكود الجامد والبديهة البشرية، بدأ الباحثون في التوجه نحو فئة جديدة من الذكاء الاصطناعي تُعرف بالنماذج التأسيسية. وهذه النماذج هي أنظمة ضخمة مدربة على كميات هائلة من النصوص والصور، قادرة على فهم اللغة والرؤية معاً. وعند تطبيقها على القيادة، فإنها تعد بتحويل المركبات من مجرد آلات مؤتمتة بسيطة إلى شركاء إدراكيين يمكنهم التفكير في مواقف المرور المعقدة، وشرح خياراتهم بلغة إنجليزية بسيطة، والتكيف مع سيناريوهات لم يروها من قبل.
ترسم مراجعة شاملة نُشرت في سبتمبر 2026 من قبل فريق من الباحثين من مؤسسات في الهند وماليزيا والإمارات العربية المتحدة والمملكة العربية السعودية، ملامح هذا المشهد المتغير بسرعة. لم يكتفِ المؤلفون، بقيادة أ. سرينفاس وجيسوين ك. ف، بسرد الأجهزة الجديدة فحسب؛ بل أجروا تحليلاً منهجياً لأكثر من مائة دراسة حديثة لفهم كيفية نسج هذه النماذج اللغوية والبصرية القوية في نسيج القيادة الذاتية. ويكشف عملهم أن المجال ينتقل من أنظمة الإدراك المعزولة نحو "بنية إدراكية" موحدة. وفي هذه الرؤية الجديدة، لا تكتفي السيارة بالاستجابة للمستشعرات، بل تفكر بنشاط في العالم، وتستخدم الأدوات لجمع المعلومات، وتتعاون مع المركبات الأخرى والبنية التحتية للمدن للتنقل بأمان.
تسلط المراجعة الضوء على تطور كبير في كيفية بناء هذه الأنظمة. فقد اعتمدت المحاولات المبكرة على وحدات منفصلة للرؤية والتفكير، لكن الأبحاث الأخيرة تركز على نماذج "الرؤية واللغة والعمل" (Vision-Language-Action models). تجمع هذه الأنظمة بين القدرة على رؤية المشهد، وفهم اللغة التي تصفه، والتحكم المباشر في حركات المركبة في عملية واحدة متماسكة. فعلى سبيل المثال، بدلاً من مجرد اكتشاف أحد المشاة، يمكن لنظام يستخدم هذه النماذج أن يفهم لوحة تقول "منطقة مدرسة" ويستنتج أنه يجب عليه الإبطاء، حتى لو لم يكن المشاة مرئيين بعد. ووجد الباحثون أن أطر عمل مثل DriveMLM وTeLL-Drive تظهر بالفعل القدرة على تحسين اتخاذ القرار وتقليل الوقت الذي تستغرقه السيارة في التفكير. وفي اختبار محدد باستخدام بيئة محاكاة تسمى CARLA، نجح نموذج يسمى DriveMLM في تحسين درجات القيادة بمقدار 4.7 نقطة تحديداً في درجة قيادة "CARLA Town05 Long" من خلال مواءمة فهمه البصري بشكل أفضل مع قرارات التخطيط لديه.
ومع ذلك، فإن الطريق نحو مستقبل ذاتي القيادة بالكامل لا يخلو من عقبات كبيرة، والمراجعة حريصة على التمييز بين ما ينجح في محاكاة الكمبيوتر وما ينجح في شارع حقيقي. يشير المؤلفون إلى وجود "فجوة مستمرة بين المحاكاة والواقع". فبينما تؤدي العديد من هذه النماذج المتقدمة أداءً مثيراً للإعجاب في العوالم الافتراضية مثل CARLA أو nuScenes، فإنها غالباً ما تعاني عند الانتقال إلى ظروف العالم الحقيقي. إن الفجوة كبيرة؛ ففي بعض الحالات، ينخفض أداء أنظمة الإدراك التعاوني بنسبة تصل إلى 40 بالمائة عند الانتقال من بيئة المحاكاة إلى العالم الحقيقي. ويرجع ذلك إلى أن البيانات المثالية والمتوقعة للمحاكاة لا يمكنها استيعاب عدم اليقين الفوضوي لحركة المرور والطقس والسلوك البشري الفعلي بشكل كامل. علاوة على ذلك، فإن الميزات ذاتها التي تجعل هذه النماذج ذكية — وهي قدرتها على التفكير عبر سلاسل معقدة من الأفكار — تجعلها بطيئة أيضاً. فالوقت الذي يستغرقه نموذج لغوي كبير لـ "يفكر" قد يكون طويلاً جداً بالنسبة للقرارات التي تتطلب أجزاءً من الثانية في حالات الطوارئ، مما يخلق مقايضة صعبة بين الذكاء والسرعة.
ومن النتائج المهمة الأخرى للمراجعة هي غياب إطار سلامة موحد. حالياً، يتم التعامل مع فحوصات السلامة، والتواصل بين المركبات، والذكاء الاصطناعي نفسه، كمسائل منفصلة في كثير من الأحيان. ويجادل الباحثون بأنه لكي تحظى هذه الأنظمة بالثقة، فإنها تحتاج إلى نهج شامل يدمج التحقق من السلامة مباشرة في عملية التفكير. ويشيرون إلى أنه على الرغم من إحراز بعض التقدم في استخدام "التوائم الرقمية" — وهي نسخ افتراضية دقيقة جداً للمدن — لاختبار هذه الأنظمة، إلا أنه لا توجد طريقة موحدة لقياس مدى قرب هذه العوالم الرقمية من الواقع. وبدون هذا المعيار، يصعب التأكد مما إذا كانت السيارة آمنة حقاً للطرق العامة. كما تتطرق المراجعة إلى المفهوم الناشئ لـ "الذكاء الاصطناعي الوكيل" (agentic AI)، حيث تعمل السيارة كوكيل مستقل يمتلك ذاكرة وقدرة على استخدام الأدوات. وبينما يوفر هذا وعداً بمركبات يمكنها التعلم من الخبرة والتعاون مع بعضها البعض، يحذر المؤلفون من أن هذه الأنظمة لا تزال في مهدها وتواجه تحديات في التوافقية والاعتمادية.
تختتم الورقة برسم خارطة طريق واضحة للمستقبل، مؤكدة أن الجيل القادم من القيادة الذاتية لن يتحدد باختراق واحد، بل بتكامل عدة تقنيات معقدة. ويقترح الباحثون أن المستقبل يكمن في الأنظمة الهجينة التي تجمع بين سرعة أنظمة التحكم التقليدية وقوة التفكير لنماذج اللغات الكبيرة، وكل ذلك مدعوم بشبكات اتصال قوية تسمح للسيارات بالتحدث مع بعضها البعض ومع البنية التحتية للمدن. ويشددون على أنه لكي تصبح هذه الأنظمة حقيقة، يجب على الصناعة حل مشكلة جعل هذه النماذج القوية سريعة بما يكفي للاستخدام في الوقت الفعلي، وآمنة بما يكفي للاعتماد، وشفافة بما يكفي ليثق بها البشر. إن الرحلة من سيارة تتبع مساراً ببساطة إلى سيارة تفهم العالم وتفكر فيه قد بدأت بالفعل، لكن الميل الأخير يتطلب حل بعض أصعب التحديات في الذكاء الاصطناعي والهندسة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.