التقدم التكنولوجي في اختبارات القيادة الذكية يعتمد على نماذج العالم الذكية والبيانات المفتوحة

أصدرت شركة ResearchAndMarkets.com تقريرًا جديدًا بعنوان "تقرير بحث التوصيل الذكي والنموذج العالمي لعام 2025"، الذي يركز على التطورات في مجال تجارب القيادة الذكية والنموذج العالمي، ويعتبر هذا التقرير أداة مهمة لفهم الاتجاهات والتحديات في مجال التكنولوجيا الذكية للسيارات. في سعي الصناعة نحو القيادة الذكية من الدرجة L3 فما فوق، تزداد متطلبات تكنولوجيا "النظام الكامل" (end-to-end) من حيث حجم البيانات عالية الجودة، وتغطية السيناريوهات المتنوعة، وضمان الواقعية الفيزيائية، وتطوير البيانات متعددة الوسائط بشكل متزامن، وتحسين منطق السلوك، وزيادة كفاءة التكرار. ويرتبط تطوير هذه التقنية بتقنيات النمذجة والذكاء الاصطناعي، والتي تلعب دورًا محوريًا في تحسين دقة التدريب وموثوقية النتائج. تُعتبر البيانات المكانية من العناصر الأساسية الثلاثة لتطوير القيادة الذكية (البيانات، النماذج، وقدرة الحساب)، وتشكل جودتها وكميتها فارقًا كبيرًا في تجربة القيادة الذكية. ومع ذلك، تظل السيناريوهات النادرة التي تُسجل في البيانات الواقعية محدودة، مما يشكل تحديًا في تغذية نماذج الذكاء الاصطناعي ببيانات كافية. للتغلب على هذه التحديات، أصبحت اختبارات النمذجة التلقائية أداة قوية لدى الشركات المصنعة (OEMs) وموردي المكونات، حيث تساعد في تقليل مدة التطور، وتقليل التكاليف، وزيادة الكفاءة، وتحقيق تغطية أفضل للسيناريوهات النادرة، ومواجهة الصعوبات في إعادة إنتاج الظروف الخطرة. كما بدأت نماذج العالم (World Models) في الانتشار، حيث تُستخدم الذكاء الاصطناعي لبناء تمثيل داخلي للعالم الفيزيائي، مما يتيح توقعات دقيقة للحالة البيئية وتحليل السيناريوهات غير المعروفة. تشمل مصادر بيانات القيادة الذكية أربعة مصادر رئيسية: النمذجة القائمة على إعادة إنتاج بيانات الطرق الواقعية، والسيناريوهات المحددة بشكل معياري (مثل OpenScenario)، وتحويل بيانات الطرق الواقعية إلى سيناريوهات نمذجية قابلة للتعميم (Worldsim)، ونماذج العالم التي تعتمد على البيانات متعددة الوسائط والتعلم المعزز. ومع ذلك، تتطلب نماذج العالم موارد حسابية كبيرة، وتحتاج إلى تحسين في قابلية التفسير، وتواجه خطر التحيز في البيانات. أظهرت نماذج العالم مزايا متعددة، مثل فهم البيئة وتقديرها، والتنبؤ بتطور السيناريوهات المستقبلية، وتحسين اتخاذ القرار والخطط، وتعزيز توليد البيانات وتدريب النماذج، والتحقق من النمذجة، وتحسين قدرة النظام على التعميم. وقد شهدت عمليات التحقق من السلامة بالكامل تطورًا كبيرًا، مما دفع الصناعة نحو دمج مجالات متعددة في النمذجة. ويرجع ذلك إلى تطور تقنيات التكامل بين وحدات القيادة والمقصورة، وتوسع التطبيقات المتكاملة بين المجالات. وقد بدأت الشركات في تطوير حلول اختبارات متكاملة تشمل أدوات البرمجيات والهاردوير، وتهدف إلى اختبارات متعددة المجالات. في مجال تحسين موثوقية النمذجة، تُركز الصناعة على ضمان دقة السيناريوهات، ودقة نماذج المستشعرات، وموثوقية نماذج الديناميكية، بالإضافة إلى التحديات المتعلقة بالأداء الزمني والعرض المتعدد للبيانات وثبات واجهات البيانات. ومن بين الطرق المستخدمة لتحسين الموثوقية، تُستخدم تقنيات الذكاء الاصطناعي لتسريع عملية الاختبار والتحقق، وتُساهم في تحسين كفاءة تطوير السيارات. كما تدعم منظمات مثل اتحاد صناع السيارات الصيني (CAAM) مبادرات البيانات المفتوحة، حيث أطلقت أكثر من 20 مجموعة بيانات، مثل بيانات Coral، والبيانات المفتوحة لسيناريوهات القيادة الذكية، والبيانات العامة لتدريب نماذج العالم. في أبريل 2025، أصدرت ASAM معيارًا جديدًا بعنوان OpenMATERIAL 3D 1.0.0، يحدد تنسيقًا موحدًا لخصائص المواد الفيزيائية ووصف الأجسام ثلاثية الأبعاد، مما يعزز الواقعية في نمذجة المستشعرات، ويجعل نتائج ليدار ورادار وكاميرات أكثر واقعية. كما أجرت شركات اختبار النمذجة تحديثات على أدواتها، مثل إصدار PreScan 2503، و HEXAGON VTD/MSC/ADAMS/KISSoft، و CarMaker14.0، و AURELION 24.3، و MATLAB/Simulink R2025a، و Ansys 2025R1، وغيرها، مما يعكس التطور المستمر في هذا المجال. يغطي التقرير مواضيع متعددة، مثل نظرة عامة على نمذجة القيادة الذكية، ومحطات اختبار السيناريوهات، وتطبيقات نماذج العالم في القيادة الذكية، والتطبيقات الخاصة بشركات OEMs وTier1، وبحوث تقنيات النمذجة الذكية المدمجة مع الذكاء الاصطناعي، والشركات الصينية والدولية المُقدِّمة لمنصات النمذجة ونماذج العالم. تُعتبر ResearchAndMarkets.com من أبرز مصادر التقارير البحثية الدولية، وتقدم أحدث البيانات والاتجاهات في الأسواق العالمية والإقليمية.