Empowering Internet of Vehicles with Embodied Intelligence: A Survey of Technologies, Evaluation, and Outlook
Deze survey presenteert een uitgebreid kader voor het versterken van het Internet of Vehicles met belichaamde intelligentie door systematisch de gesloten lus van integratie tussen perceptie, besluitvorming en besturing te analyseren, terwijl bestaande technologieën, datasets, metrieken en toekomstige uitdagingen worden geëvalueerd om de aanpasbaarheid en veiligheid van voertuigen te verbeteren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een auto voor die niet alleen de weg voor zich ziet, maar de wereld om zich heen begrijpt zoals een menselijke bestuurder dat doet. Het verwerkt niet louter een stroom datapunten; het voelt de doorstroming van het verkeer, anticipeert op de aarzeling van een voetganger en past de snelheid aan op basis van de subtiele verschuiving van een voertuig dat vanuit een dode hoek invoegt. Dit is de belofte van het Internet of Vehicles, een systeem waarbij auto's, verkeerslichten en weg-sensoren met elkaar communiceren om een gedeeld beeld van de weg te creëren. Toch opereren huidige systemen, ondanks al deze connectiviteit, vaak in een gebroken lus. Ze nemen een gevaar waar, nemen een beslissing en handelen, maar ze gebruiken de resultaten van die actie zelden om onmiddellijk hun begrip te corrigeren. Als een auto een gat verkeerd inschat en te hard remt, realiseert het systeem zich de fout mogelijk pas bij de volgende cyclus, waardoor fouten zich opstapelen als ongecorrigeerde noten in een lied. De kloof tussen het zien van de wereld en het werkelijk begrijpen ervan in realtime blijft een aanzienlijke hindernis voor veilig, autonoom reizen.
Een nieuw onderzoek door onderzoekers van de Guizhou Universiteit en hun internationale collega's probeert deze kloof te overbruggen door het concept van belichaamde intelligentie (embodied intelligence) te introduceren in het Internet of Vehicles. In plaats van perceptie, denken en rijden als afzonderlijke stappen in een fabriekslijn te behandelen, betogen de auteurs dat deze functies een continue, gesloten lus moeten vormen. In dit visie is een voertuig een "belichaamde agent", een fysiek entiteit die voortdurend interactie heeft met zijn omgeving. Het ziet, het denkt, het handelt, en gebruikt vervolgens onmiddellijk de feedback van die handeling om zijn begrip van de wereld bij te werken. Deze cyclus herhaalt zich duizenden keren per seconde, waardoor het voertuig fouten onderweg kan corrigeren en zich kan aanpassen aan de chaotische, veranderende realiteit van een drukke straat. Het onderzoek, geplaatst op 9 november 2026, brengt de technologieën in kaart die nodig zijn om deze lus te bouwen, van hoe auto's informatie delen tot hoe ze leren van hun fouten, en biedt een routekaart voor de overgang van eenvoudige gegevensdeling naar werkelijke, adaptieve samenwerking op de weg.
De onderzoekers begonnen met het organiseren van het enorme landschap van bestaande technologie in vier afzonderlijke maar verbonden stadia: perceptie, cognitie, besluitvorming en uitvoering. In het eerste stadium, de perceptie, beschrijft het onderzoek hoe voertuigen verder gaan dan hun eigen sensoren om een compleet beeld van de weg te vormen. In plaats van uitsluitend te vertrouwen op een camera of radar die op de auto is gemonteerd, leren moderne systemen gegevens te combineren uit meerdere bronnen, waaronder camera's op andere auto's en sensoren op lantaarnpalen. Deze coöperatieve perceptie stelt een voertuig in staat om om hoeken heen en door zwaar verkeer te "kijken", waardoor de dode hoeken die autonoom rijden al lang teisteren, worden opgevuld. Het onderzoek benadrukt hoe deze systemen gegevens uit verschillende hoeken en tijdstippen op één lijn brengen en zo een verenigd beeld van de weg samenvoegen dat veel betrouwbaarder is dan wat een enkele auto alleen zou kunnen bereiken.
Zodra het voertuig een duidelijk beeld van de wereld heeft, moet het begrijpen wat er gebeurt, een stadium dat de auteurs cognitie noemen. Hier gaat het voertuig verder dan het simpelweg detecteren van objecten naar het interpreteren van hun intenties en de verkeersregels. Het vraagt niet alleen "wat is dat?", maar ook "wat gaat dat doen?" en "wat zegt de verkeerswet?". Het onderzoek bekijkt hoe voertuigen leren het gedrag van voetgangers, fietsers en andere bestuurders te voorspellen, door gebruik te maken van historische gegevens en gedeelde informatie om toekomstige bewegingen te raden. Dit stadium omvat ook geheugen; het voertuig herinnert zich eerdere interacties en leert ervan, waardoor het een mentaal model van de verkeersomgeving opbouwt dat evolueert naarmate de reis voortduurt. Deze cognitieve laag is wat een auto laat begrijpen dat een bestuurder die een afslag aangeeft waarschijnlijk zal bewegen, of dat een groep voetgangers die bij de stoeprand wacht, op het punt staat over te steken.
Met een solide begrip van de scène moet het voertuig vervolgens beslissen wat het gaat doen. Het onderzoek legt uit dat besluitvorming in het Internet of Vehicles niet alleen gaat over het kiezen van een pad voor één auto, maar over het onderhandelen met anderen. In een verbonden omgeving kunnen voertuigen hun bewegingen coördineren, door overeenstemming te bereiken over wie eerst gaat bij een kruispunt of hoe ze soepel in een krappe opening kunnen invoegen. De auteurs onderzoeken hoe deze beslissingen worden genomen, variërend van regelgebaseerde systemen die strikte verkeerswetten volgen tot geavanceerde leersystemen die zich aanpassen aan complexe, onvoorspelbare situaties. De belangrijkste bevinding hier is dat effectieve besluitvorming een constante dialoog vereist tussen het voertuig en zijn omgeving, om ervoor te zorgen dat de gekozen actie niet alleen veilig is, maar ook haalbaar gezien de fysieke limieten van de auto en het gedrag van anderen.
Ten slotte moet het voertuig zijn beslissing uitvoeren, waarbij een plan wordt omgezet in fysieke beweging. Dit uitvoeringsstadium is waar de rubber de weg raakt, letterlijk. Het onderzoek beschrijft hoe controlesystemen beslissingen op hoog niveau vertalen naar precieze stuur-, acceleratie- en remopdrachten. Het benadrukt dat deze stap nauw verbonden moet zijn met de eerdere stadia; als de auto iets uit koers raakt, moet het systeem deze afwijking onmiddellijk opmerken en de begrip en het plan dienovereenvolgens aanpassen. De onderzoekers benadrukken het belang van veiligheidsmechanismen die fungeren als een laatste controle, om te garanderen dat zelfs als een beslissing gebrekkig is, de fysieke uitvoering binnen veilige grenzen blijft. Deze closed-loop feedback, waarbij het resultaat van een actie onmiddellijk de volgende gedachte informeert, is de kern van belichaamde intelligentie.
Het onderzoek kijkt ook kritisch naar de instrumenten die beschikbaar zijn voor onderzoekers, door de datasets en metrieken te beoordelen die worden gebruikt om deze systemen te testen. Het wijst erop dat hoewel er veel simulaties en testgevallen zijn, er een tekort is aan real-world data die de volledige complexiteit van coöperatief rijden vastlegt. De auteurs merken op dat huidige evaluaties vaak gericht zijn op geïsoleerde taken, zoals het detecteren van een enkel object, in plaats van op de volledige cyclus van zien, denken en handelen. Ze stellen dat om echt vooruitgang te boeken, het vakgebied zich moet richten op het testen van hoe goed deze systemen presteren in continue, real-world loops, waarbij fouten in één stadium kunnen escaleren naar falen in het volgende. Het artikel suggereert dat toekomstige vooruitgang zal afhangen van het ontwikkelen van betere manieren om onzekerheid te beheersen, de intenties van anderen over verschillende steden en culturen heen te voorspellen, en te leren van zeldzame, moeilijke rijsituaties die niet vaak voorkomen in standaard trainingsdata.
Uiteindelijk dient dit onderzoek als een uitgebreide gids voor een verschuivend paradigma in autonoom rijden. Het verlegt de discussie van het simpelweg verbinden van auto's met het internet naar het creëren van voertuigen die werkelijk levend zijn voor hun omgeving. Door het voertuig te kaderen als een belichaamde agent in een continue lus van perceptie en actie, bieden de auteurs een helder pad vooruit voor onderzoekers en ingenieurs. Het werk suggereert dat de toekomst van intelligent transport niet alleen ligt in snellere computers of meer sensoren alleen, maar in de naadloze integratie van deze elementen in een systeem dat leert, zich aanpast en zichzelf in realtime corrigeert. Naarmate de technologie volwassen wordt, is het doel om een rijervaring te creëren die niet alleen geautomatiseerd is, maar werkelijk intelligent, in staat om de onvoorspelbare menselijke wereld te navigeren met dezelfde vloeiendheid en bewustzijn als een bekwame bestuurder.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.